Начало работы с ChromaDB
В следующих упражнениях вы будете использовать векторную базу данных для создания эмбеддингов (векторных представлений) и поиска по 1000 фильмов и сериалов из набора данных Netflix, представленного в видео. Цель — использовать эти данные для генерации рекомендаций на основе поискового запроса. Для начала вы создадите базу данных и коллекцию для хранения данных.
chromadb уже доступен для использования, а OpenAIEmbeddingFunction() импортирован из chromadb.utils.embedding_functions. Как и в первых двух главах, предоставлять ключ OpenAI API в этой главе не нужно.
Это упражнение является частью курса
Введение в эмбеддинги с OpenAI API
Инструкции к упражнению
- Создайте постоянный клиент, чтобы сохранить файлы базы данных на диск; путь к файлу в этих упражнениях можно не указывать.
- Создайте коллекцию базы данных с именем
netflix_titles, которая использует функцию эмбеддингов OpenAI. - Выведите список всех коллекций в базе данных.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create a persistant client
client = chromadb.____()
# Create a netflix_title collection using the OpenAI Embedding function
collection = client.create_collection(
name="____",
____=____(model_name="text-embedding-3-small", api_key="")
)
# List the collections
print(client.____())