เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

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')

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Vector Databases สำหรับ Embeddings ด้วย Pinecone

ดูคอร์ส

คำแนะนำการฝึกหัด

  • 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

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด