1. Learn
    2. /
  2. คอร์ส
    3. /
  3. Vector Databases สำหรับ Embeddings ด้วย Pinecone
Connected

แบบฝึกหัด

ตรวจสอบมิติ (Dimensionality)

ตอนนี้คุณมีความรู้พร้อมแล้วสำหรับการนำเวกเตอร์เข้าสู่ Pinecone index ใหม่ แต่ก่อนจะเริ่ม ควรตรวจสอบก่อนว่าเวกเตอร์ของคุณสอดคล้องกับมิติ (dimensionality) ของ index ที่สร้างขึ้น

มีการเตรียม list of dictionaries ที่บรรจุข้อมูลสำหรับนำเข้าไว้ให้แล้วในชื่อ vectors โครงสร้างตัวอย่างมีดังนี้:

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

หากสร้าง index ที่ถูกต้องแต่ไม่ตรงกับข้อกำหนดในคำแนะนำ ให้เพิ่มโค้ดต่อไปนี้ก่อนโค้ด .create_index():

pc.delete_index('datacamp-index')

คำแนะนำ

100 XP
  • เริ่มต้นการเชื่อมต่อ Pinecone โดยใช้ API key ของคุณ
  • สร้าง serverless Pinecone index ใหม่ชื่อ "datacamp-index" โดยคงค่าพารามิเตอร์อื่นไว้ตามเดิม
  • ใช้ list comprehension เพื่อตรวจสอบว่าแต่ละเวกเตอร์ใน vectors มีความยาวเท่ากับ 1536 หรือไม่ โดยให้คืนค่าเป็น True หรือ False เพียงค่าเดียว เพื่อบอกว่าเวกเตอร์ทั้งหมดผ่านเงื่อนไขนี้หรือเปล่า