Kom igångKom igång gratis

Kontrollera dimensionalitet

Nu har du kunskapen som krävs för att börja mata in vektorer i ett nytt Pinecone-index! Innan du sätter igång bör du kontrollera att dina vektorer är kompatibla med dimensionaliteten hos ditt nya index.

En lista med ordlistor som innehåller poster att mata in finns tillgänglig som vectors. Här är en förhandsgranskning av dess struktur:

vectors = [
    {
        "id": "0",
        "values": [0.025525547564029694, ..., 0.0188823901116848]
        "metadata": {"genre": "action", "year": 2024}
    },
        ...,
]

Den här övningen är en del av kursen

Bygga AI-applikationer med Pinecone

Visa kurs

Övningsinstruktioner

  • Initiera Pinecone-anslutningen med din API-nyckel.
  • Skapa ett nytt serverlöst Pinecone-index med namnet "datacamp-index"; lämna övriga inställningar som de är.
  • Använd ett listomfattningsuttryck för att kontrollera att varje vektor i vectors har längden 1536, och returnera ett enda True eller False som anger om alla uppfyller detta villkor.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod