Vektoren abrufen

KI-Anwendungen mit Pinecone entwickeln

James Chapman

Curriculum Manager, DataCamp

Rückblick …

Ein Index wird erstellt.

Rückblick …

Mehrere Datensätze werden in den Index geladen. Die Indexauslastung steigt nach dem Hinzufügen.

Auf Vektoren zugreifen

Fetching

Vektoren per ID abrufen

Ein Buch wird anhand seiner ISBN abgerufen.

Querying

Ähnliche Vektoren zu einem Eingabevektor finden

Amazon-Buchempfehlungen.

Vektoren fetchen

index.fetch(

    ids=['0', '1']

)

{'namespace': '',
 'usage': {'read_units': 1},
 'vectors': {'0': {'id': '0',
                   'metadata': {"genre": "productivity", "year": 2020},
                   'values': [0.025525547564029694, ...]},
             '1': {'id': '1',
                   'metadata': {"genre": "action", "year": 2023},
                   'values': [-0.0131468913, ...]}}
}

¹ https://docs.pinecone.io/guides/data/fetch-data

Read Units

Maß für Ressourcen bei Lesevorgängen:
- Fetching → 1 RU / 10 Datensätze
- Querying
- Listing

Preise für Pinecone-Starterkonto.

¹ https://www.pinecone.io/pricing/

Vektoren aus Namespaces fetchen

index.fetch(
    ids=['0', '1']

    namespace='namespace1'

)

{'namespace': 'namespace1',
 'usage': {'read_units': 1},
 'vectors': {'0': {'id': '0',
                   'metadata': {"genre": "productivity", "year": 2020},
                   'values': [0.025525547564029694, ...]},
             '1': {'id': '1',
                   'metadata': {"genre": "action", "year": 2023},
                   'values': [-0.0131468913, ...]}}
}

Lass uns üben!

KI-Anwendungen mit Pinecone entwickeln