Recupero dei vettori

Database vettoriali per Embeddings con Pinecone

James Chapman

Curriculum Manager, DataCamp

Ripasso...

Creazione di un indice.

Ripasso...

Più record inseriti nell'indice. La pienezza dell'indice aumenta dopo l'aggiunta.

Accesso ai vettori

Fetching

Recupera vettori per ID

Un libro recuperato dal suo ISBN.

Query

Trova vettori simili a un vettore di input

Raccomandazioni di libri su Amazon.

Fetching dei vettori

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

Misura delle risorse usate nelle letture:
- Fetching → 1 RU / 10 record
- Query
- Listing

Prezzi account starter di Pinecone.

¹ https://www.pinecone.io/pricing/

Fetch da namespace

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, ...]}}
}

Laten we oefenen!

Database vettoriali per Embeddings con Pinecone