ChromaDB ile vektör veritabanları oluşturma

OpenAI API ile Embeddings’e Giriş

Emmanuel Pire

Senior Software Engineer, DataCamp

ChromaDB kurulumu

ChromaDB basit ama güçlü bir vektör veritabanıdır
İki mod:
- Yerel: geliştirme ve prototipleme için ideal
- İstemci/Sunucu: prodüksiyon için

Yerel modda ChromaDB ile istemci/sunucu modunda ChromaDB. İstemci/sunucu modunda istemci ve sunucu ayrı örneklerde gösterilir.

Veritabanına bağlanma

import chromadb


client = chromadb.PersistentClient(path="/path/to/save/to")

Veriler diske kalıcı olarak yazılır

Bir koleksiyon oluşturma

Koleksiyonlar tablolara benzer

from chromadb.utils.embedding_functions import OpenAIEmbeddingFunction

collection = client.create_collection(
    name="my_collection",

    embedding_function=OpenAIEmbeddingFunction(
        model_name="text-embedding-3-small",
        api_key="..."
    )

)

Koleksiyonlar gömmeleri otomatik oluşturabilir

Koleksiyonları inceleme

client.list_collections()

[Collection(name=my_collection)]

Gömme ekleme

Tek belge

collection.add(ids=["my-doc"], documents=["This is the source text"])

Kimlikler (ID) verilmelidir
Gömme vektörleri koleksiyonca oluşturulur!

Birden çok belge

collection.add(
  ids=["my-doc-1", "my-doc-2"], 
  documents=["This is document 1", "This is document 2"]
)

Bir koleksiyonu inceleme

Bir koleksiyondaki belge sayısını alma

collection.count()

Bir koleksiyonu inceleme

İlk 10 öğeye göz atma

collection.peek()

{'ids': ['my-doc', 'my-doc-1', 'my-doc-2'],
 'embeddings': [[...], [...], [...]],
 'documents': ['This is the source text',
  'This is document 1',
  'This is document 2'],
 'metadatas': [None, None, None]}

Öğeleri getirme

collection.get(ids=["s59"])

{'ids': ['s59'],
 'embeddings': None,
 'metadatas': [None],
 'documents': ['Title: Naruto Shippûden the Movie: The Will of Fire (Movie)\nDescription: When ...'],
 'uris': None,
 'data': None}

Netflix veri seti

Title: Kota Factory (TV Show)
Description: In a city of coaching centers known to train India's finest...
Categories: International TV Shows, Romantic TV Shows, TV Comedies

Title: The Last Letter From Your Lover (Movie)
Description: After finding a trove of love letters from 1965, a reporter sets...
Categories: Dramas, Romantic Movies

Gömme maliyeti tahmini

Gömme modeli (text-embedding-3-small) maliyeti: $0.00002/1k token

cost = 0.00002 * len(tokens)/1000

tiktoken kütüphanesiyle token sayın
- pip install tiktoken

¹ https://openai.com/pricing

Gömme maliyeti tahmini

import tiktoken

enc = tiktoken.encoding_for_model("text-embedding-3-small")


total_tokens = sum(len(enc.encode(text)) for text in documents)


cost_per_1k_tokens = 0.00002

print('Total tokens:', total_tokens)
print('Cost:', cost_per_1k_tokens * total_tokens/1000)

Total tokens: 444463
Cost: 0.00888926

Hadi pratik yapalım!

OpenAI API ile Embeddings’e Giriş