ChromaDB'ye başlama
Sıradaki egzersizlerde, videoda tanıtılan Netflix veri kümesinden 1000 film ve TV şovunu gömme ve sorgulamak için bir vektör veritabanı kullanacaksın. Amacın, bu verileri bir arama sorgusuna göre öneriler oluşturmak için kullanmak olacak. Başlamak için, verileri saklayacağın veritabanını ve koleksiyonu oluşturacaksın.
chromadb kullanımına hazır ve OpenAIEmbeddingFunction() fonksiyonu chromadb.utils.embedding_functions içinden içe aktarılmış durumda. İlk iki bölümde olduğu gibi, bu bölümde de bir OpenAI API anahtarı sağlaman gerekmiyor.
Bu egzersiz, kursun bir parçasıdır
OpenAI API ile Embeddings’e Giriş
Egzersiz talimatları
- Veritabanı dosyalarını diske kaydetmek için kalıcı bir istemci oluştur; bu egzersizlerde dosya yolunu belirtmene gerek yok.
- OpenAI gömme fonksiyonunu kullanan
netflix_titlesadlı bir veritabanı koleksiyonu oluştur. - Veritabanındaki tüm koleksiyonları listele.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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.____())