Kom igång med ChromaDB

I de kommande övningarna använder du en vektordatabas för att bädda in och söka i 1 000 filmer och TV-serier från Netflix-datamängden som introducerades i videon. Målet är att använda dessa data för att generera rekommendationer utifrån en sökfråga. För att komma igång skapar du databasen och kollektionen där data ska lagras.

chromadb finns tillgängligt, och OpenAIEmbeddingFunction() har importerats från chromadb.utils.embedding_functions. Precis som i de två första kapitlen behöver du inte ange en OpenAI API-nyckel i det här kapitlet.

Den här övningen är en del av kursen

Introduktion till inbäddningar med OpenAI API

Visa kurs

Övningsinstruktioner

Skapa en persistent klient för att spara databasfilerna till disk – du kan utelämna filsökvägen i dessa övningar.
Skapa en databaskollektion med namnet netflix_titles som använder OpenAI:s inbäddningsfunktion.
Lista alla kollektioner i databasen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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.____())

Redigera och kör kod