Hoogwaardige vectorzoek-apps zijn eenvoudig te maken met behulp van de Pinecone-vectordatabase, maar veel gebruikers vragen zich af hoe ze de Pinecone API kunnen krijgen. De database spreekt aan ontwikkelaarsvolledig gecontroleerden gemakkelijk uitbreidbaar zonder infrastructuurhoofdpijn.
De ontwikkeling van krachtige vectorzoekapplicaties wordt eenvoudig gemaakt door Dennenappel. Het is een beheerde, infrastructuurvrije vectordatabase die is gebouwd voor de cloud.
In dit artikel gaan we uitleggen hoe u de Pinecone API kunt krijgen, wat een cruciaal stuk informatie is start gebruiken het platform. Laten we daarom zonder verder oponthoud in details duiken.
Hoe de Pinecone-API te krijgen?
Hieronder kunt u onze stapsgewijze handleiding bekijken om te leren hoe u de Pinecone API kunt krijgen en hoe u het platform binnen slechts enkele minuten kunt gaan gebruiken. Het proces is eigenlijk vrij rechtdoorzee maar kan voor enige verwarring zorgen bij de nieuwe gebruikers. Volg onderstaande instructies en je kunt zo aan de slag!
Installeer Pinecone-client
Deze stap is eigenlijk niet verplicht. Sluit deze actie alleen af als je gebruik wilt maken van de Python-client. We raden echter aan dit te doen omdat het het proces op de lange termijn vereenvoudigt.
Gebruik de shell-opdracht om Pinecone te installeren:
pip install pinecone-client
Download de Pinecone API-sleutel en verifieer deze
Je hebt een nodig API sleutel dennenappel gebruiken. Als de belangrijkste stap van onze gids over het verkrijgen van de Pinecone API, opent u de Pinecone-console en selecteert u API-sleutels om uw API-sleutel te vinden. Bovendien wordt de omgeving voor uw project in deze weergave weergegeven. Let op uw omgeving evenals uw API-sleutel.
Gebruik deze opdrachten om te controleren of uw Pinecone API-sleutel operationeel is:
importeren dennenappel
pinecone.init(api_key=”YOUR_API_KEY”, environment=”YOUR_ENVIRONMENT”)
Uw API-sleutel is rechtmatig als u geen foutmelding krijgt.
De rest is een beetje ingewikkeld
De resterende stappen kunnen op drie manieren worden voltooid:
- Maak en voer Python-code uit in uw browser met behulp van de “Hallo, dennenappel!” colab-notitieboekje.
- Kopieer de volgende Python-opdrachten naar uw lokale Python-installatie.
- Gebruik de volgende cURL API-opdrachten.
Dennenappel initialiseren
importeren dennenappel
pinecone.init(api_key=”YOUR_API_KEY”, environment=”YOUR_ENVIRONMENT”)
Een index maken
De volgende commando’s brengen een index tot stand met de naam “snelle start“dat een ruwe zoektocht naar de naaste buur doet voor 8-dimensionale vectoren met behulp van de Euclidische afstandsmetriek.
Het duurt ongeveer een minuut om een index te maken.
pinecone.create_index(“quickstart”, dimensie=8, metric=”euclidisch”, pod_type=”p1″)
Indexen die zijn ontwikkeld door specifieke open-sourceprojecten, zoals AutoGPT, worden gearchiveerd en verwijderd na 1 dag inactiviteit op het Starter (gratis) abonnement. Over het algemeen worden indexen die door andere abonnementen zijn gemaakt, gearchiveerd en daarna verwijderd 7 dagen inactiviteit. Het verzenden van een API-aanroep naar Pinecone zorgt ervoor dat de teller wordt gereset, waardoor dit wordt voorkomen.
Een lijst met uw indexen ophalen
De naam van uw index verschijnt in het index lijst als het eenmaal is vastgesteld.
De onderstaande opdrachten geven een lijst met uw indexen terug.
dennenappel.list_indexes()
# Geeft terug:
# [‘quickstart’]
Verbinding maken met de index (alleen client)
Je moet verbinding maken met de index voordat u een client gebruikt om het op te vragen.
De onderstaande opdrachten kunnen worden gebruikt om verbinding te maken met uw index.
index = dennenappel.Index(“quickstart”)
Het invoeren van de gegevens
Gebruik de overstuur bewerking om vectoren in uw index in te voegen.
De actie upsert voegt een nieuwe vector toe aan de index of, als er al een bestaande vector met dezelfde ID bestaat, wordt de vector bijgewerkt.
De onderstaande commando’s voegen vijf achtdimensionale vectoren toe aan uw index.
# Upsert-voorbeeldgegevens (5 8-dimensionale vectoren)
index.upsert([
(“A”, [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]),
(“B”, [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]),
(“C”, [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]),
(“D”, [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]),
(“E”, [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])
])
Het eindpunt voor uw Pinecone-index wordt gebruikt door de cURL-code hierboven.
Houd er rekening mee dat upsert-gegevens in batches van 100 vectoren of minder in de loop van verschillende upsert-verzoeken bij het upsert van grotere hoeveelheden gegevens.
Statistieken over uw index opvragen
De volgende opdrachten bieden statistieken over de inhoud van uw index.
index.describe_index_stats()
# Geeft terug:
# {‘dimension’: 8, ‘index_fullness’: 0.0, ‘namespaces’: {”: {‘vector_count’: 5}}}
De index opvragen en vergelijkbare vectoren ophalen
In het volgende voorbeeld wordt de Euclidische afstandsmetriek gebruikt die is gedefinieerd in stap 2 (‘Een index maken’) hierboven om in de index te zoeken naar de drie vectoren die het meest op een voorbeeld lijken 8-dimensionaal vector.
index.query(
vector=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3],
top_k=3,
include_values=Waar
)
# Geeft terug:
# {‘wedstrijden’: [{‘id’: ‘C’,
# ‘score’: 0.0,
# ‘values’: [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]},
# {‘id’: ‘D’,
# ‘score’: 0.0799999237,
# ‘waarden’: [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]},
# {‘id’: ‘B’,
# ‘score’: 0.0800000429,
# ‘waarden’: [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]}],
# ‘naamruimte’: ”}
De index verwijderen
Gebruik de delete_index bewerking om de index te verwijderen zodra u klaar bent met het gebruik ervan.
De index wordt verwijderd met behulp van de onderstaande opdrachten.
dennenappel.delete_index(“quickstart”)
Houd er rekening mee dat een index die is verwijderd kan niet opnieuw gebruikt worden.
Nu al deze stappen zijn voltooid, zou u nu moeten hebben geleerd hoe u Pinecone API kunt krijgen en Pinecone kunt gaan gebruiken. Als u geïnteresseerd bent, kunt u ook kijken op: Wat is AutoGPT en hoe het te gebruiken?
Source: Hoe Pinecone API te krijgen uitgelegd