ComeçarComece de graça

Verificando a dimensionalidade

Agora você já sabe como começar a inserir vetores em um novo índice do Pinecone! Antes de começar, dá uma olhada se os seus vetores são compatíveis com a dimensão do seu novo índice.

Uma lista de dicionários com registros pra importar tá disponível em vectors. Aqui vai uma prévia de como vai ser:

vectors = [

    {

        "id": "0",

        "values": [0.025525547564029694, ..., 0.0188823901116848]

        "metadata": {"genre": "action", "year": 2024}

    },

        ...,

]

Se você criar sem querer um índice válido que não cumpre as especificações detalhadas nas instruções, vai precisar adicionar o seguinte código antes do seu código .create_index():

pc.delete_index('datacamp-index')

Este exercício faz parte do curso

Bancos de dados vetoriais para incorporações com Pinecone

Ver curso

Instruções do exercício

  • Inicialize a conexão com o Pinecone usando sua chave API.
  • Crie um novo índice Pinecone sem servidor chamado "datacamp-index"; deixe as outras configurações como estão.
  • Use uma compreensão de lista para verificar se cada vetor em vectors tem comprimento 1536, retornando um único True ou False indicando se todos eles atendem a essa condição.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Initialize the Pinecone client using your API key
pc = Pinecone(api_key="____")

# Create your Pinecone index
pc.____(
    name="____", 
    dimension=1536, 
    spec=____(
        cloud='aws', 
        region='us-east-1'
    )
)

# Check that each vector has a dimensionality of 1536
vector_dims = [____(vector['____']) == ____ for vector in ____]
print(____(vector_dims))
Editar e executar o código