การคิวรีเวกเตอร์

การสร้างแอปพลิเคชัน AI ด้วย Pinecone

James Chapman

Curriculum Manager, DataCamp

พลังของการคิวรี

การคิวรี: รับเวกเตอร์ที่ คล้ายคลึงกันทางความหมาย มากที่สุดเมื่อเทียบกับเวกเตอร์อินพุต

อินพุตของผู้ใช้ถูกแปลงเป็น embedding และนำไปคิวรีฐานข้อมูลเวกเตอร์ Pinecone

เมธอด .query()

index.query(

  vector=[-0.250919762305275, ...],

  top_k=3

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': []},
             {'id': '2', 'score': 0.046000585, 'values': []},
             {'id': '3', 'score': 0.0458319113, 'values': []}],
 'namespace': '',
 'usage': {'read_units': 5}}

เมธอด .query()

index.query(
    vector=[-0.250919762305275, ...],
    top_k=3,

    include_values=True

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': [-0.0131468913, ...]},
             {'id': '2', 'score': 0.046000585, 'values': [-0.0120476764, ...]},
             {'id': '3', 'score': 0.0458319113, 'values': [0.00285418332, ...]}],
 'namespace': '',
 'usage': {'read_units': 5}}

Read units (RUs) สำหรับการคิวรี

สำหรับการคิวรี RUs คำนวณได้ยากกว่า
ขึ้นอยู่กับ:
- จำนวนระเบียน ใน namespace
- ขนาดของระเบียน
  - มิติของเวกเตอร์
  - ปริมาณ metadata

ตารางแสดง RUs ที่ใช้ในการคิวรี

¹ https://docs.pinecone.io/guides/organizations/manage-cost/understanding-cost#query

เมตริกระยะทาง

Cosine similarity: แสดงมุมระหว่างเวกเตอร์สองตัว

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

เมตริกระยะทาง

Euclidean distance: แสดงระยะทางเส้นตรงระหว่างเวกเตอร์สองตัว

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

เมตริกระยะทาง

Dot product: แสดงวิธีคำนวณค่าจากมุมระหว่างเวกเตอร์

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

การกำหนดเมตริกระยะทาง

pc.create_index(
    name="datacamp-index", 
    dimension=1536,

    metric='dotproduct',

    spec=ServerlessSpec(
        cloud='aws', 
        region='us-east-1'
    )
)

metric → 'cosine', 'euclidean', 'dotproduct'

มาฝึกกันเถอะ!

การสร้างแอปพลิเคชัน AI ด้วย Pinecone