Pinecone indexes का परिचय

Pinecone के साथ AI Applications बनाना

James Chapman

Curriculum Manager, DataCamp

आप सीखेंगे...

Indexes बनाएँ और vectors ingest करें
Vectors retrieve और query करें
आम AI applications बनाएँ

→ GenAI applications बनाना और scale करना!

semantic search

Indexes

Vectors को store करें
Queries और अन्य vector manipulations को serve करें
Index में हर vector के लिए records और metadata होते हैं
आप कई indexes बना सकते हैं

चार दराज़ वाली फाइलिंग कैबिनेट, जिनमें कई फोल्डर हैं.

Pod-Based

एक pod जिसमें कई indexes हैं.

Index बनाने के लिए हार्डवेयर चुनें → pods
Pod type से storage, query latency, और query throughput तय होता है

Serverless

क्लाउड में स्टोर किए गए indexes.

Resource management नहीं
Indexes अपने-आप scale होते हैं
Cloud पर run करते हैं और blob में store होते हैं
इस्तेमाल में आसान और अक्सर कम लागत

हम इस कोर्स में यही इस्तेमाल करेंगे

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes

Pinecone API key बनाना

Pinecone Starter अकाउंट बनाएँ → pinecone.io
"API Keys" पर जाएँ
अपनी API key कॉपी करें

Pinecone होमपेज

Pinecone की API keys पेज

Serverless index बनाना

from pinecone import Pinecone, ServerlessSpec


pc = Pinecone(api_key="API_KEY")


pc.create_index(

    name='datacamp-index',

    dimension=1536,

    spec=ServerlessSpec(

        cloud='aws', 
        region='us-east-1'

    )

)

अपने indexes जाँचें

pc.list_indexes()

{'indexes': [{'dimension': 1536,
              'host': 'datacamp-index-1eef0f4.svc.aped-4627-b74a.pinecone.io',
              'metric': 'cosine',
              'name': 'datacamp-index',
              'spec': {'serverless': {'cloud': 'aws', 'region': 'us-east-1'}},
              'status': {'ready': True, 'state': 'Ready'}}]}

अभ्यास करते हैं!

Pinecone के साथ AI Applications बनाना