Las aplicaciones de búsqueda de vectores de alto rendimiento son fáciles de crear utilizando la base de datos de vectores de Pinecone, pero muchos usuarios se preguntan cómo obtener la API de Pinecone. La base de datos es atractiva para desarrolladorescompletamente revisadoy fácilmente ampliable sin dolores de cabeza de infraestructura.
El desarrollo de aplicaciones de búsqueda vectorial de alto rendimiento se simplifica mediante Piña. Es una base de datos vectorial administrada y sin infraestructura que se creó para la nube.
En este artículo, vamos a explicar cómo obtener la API de Pinecone, que es una información crucial para Empieza a usar la plataforma. Por lo tanto, sin más preámbulos, profundicemos en los detalles.
¿Cómo obtener la API de Pinecone?
A continuación, puede ver nuestra guía paso a paso para aprender cómo obtener la API de Pinecone y cómo comenzar a usar la plataforma en solo unos minutos. El proceso es bastante directo pero podría estar causando cierta confusión para los nuevos usuarios. Siga las instrucciones a continuación y ¡comenzará en poco tiempo!
Instalar cliente Pinecone
Este paso es en realidad no requerido. Solo realice esta acción si desea utilizar el Cliente Python. Sin embargo, recomendamos hacerlo porque simplifica el proceso a largo plazo.
Para instalar Pinecone, use el comando de shell:
pip instalar cliente de piña
Obtenga la clave API de Pinecone y verifíquela
necesitas un Clave API para utilizar Pinecone. Como paso principal de nuestra guía sobre cómo obtener la API de Pinecone, abra la consola de Pinecone y seleccione Claves de API para ubicar su clave de API. Además, el entorno de su proyecto se muestra en esta vista. Toma nota de tu ambiente así como su clave API.
Use estos comandos para verificar que su clave API de Pinecone esté operativa:
importar piña
piña.init(api_key=”SU_CLAVE_API”, entorno=”SU_ENTORNO”)
Su clave API es legítimo si no recibe un mensaje de error.
El resto es un poco complejo.
Los pasos restantes se pueden terminar de una de tres maneras:
- Cree y ejecute el código de Python en su navegador usando el botón “¡Hola, piña!” cuaderno colab.
- Copie los siguientes comandos de Python en su instalación local de Python.
- Utilice los siguientes comandos de la API de cURL.
Inicializando Pinecone
importar piña
piña.init(api_key=”SU_CLAVE_API”, entorno=”SU_ENTORNO”)
Crear un índice
Los comandos que siguen establecen un índice llamado “Inicio rápido” que realiza una búsqueda aproximada del vecino más cercano para vectores de 8 dimensiones utilizando la métrica de distancia euclidiana.
Se tarda alrededor de un minuto en crear un índice.
pinecone.create_index(“inicio rápido”, dimensión=8, métrica=”euclidiana”, pod_type=”p1″)
Los índices desarrollados por proyectos de código abierto específicos, como AutoGPT, se archivan y eliminan después de 1 día de inactividad en el plan Starter (gratuito). En general, los índices realizados por otros planes se archivan y eliminan después 7 días de inactividad. Enviar cualquier llamada API a Pinecone hará que el contador se reinicie, evitando que esto suceda.
Recuperar una lista de sus índices
El nombre de su índice aparece en el lista de índice una vez que se ha establecido.
Los siguientes comandos devolverán una lista de sus índices.
piña.list_indexes()
# Devoluciones:
# [‘quickstart’]
Conexión al índice (solo cliente)
Usted debe conectar con el índice antes de usar un cliente para consultarlo.
Los comandos enumerados a continuación se pueden usar para conectarse a su archivo index.
index = piña.Index(“inicio rápido”)
Insertando los datos
Utilizar el trastornar operación para insertar vectores en su índice.
La acción upsert agrega un nuevo vector al índice o, si ya existe un vector existente con la misma ID, actualiza el vector.
Los comandos enumerados a continuación insertan cinco vectores de ocho dimensiones en su índice.
# Upsert datos de muestra (5 vectores de 8 dimensiones)
índice.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]),
(“MI”, [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])
])
El punto final de su índice Pinecone es utilizado por el código cURL anterior.
Tenga en cuenta que insertar datos en lotes de 100 vectores o menos en el transcurso de varias solicitudes de modificación cuando se modifican volúmenes de datos más grandes.
Obtener estadísticas sobre su índice
Los siguientes comandos proporcionan Estadísticas sobre el contenido de su índice.
index.describe_index_stats()
# Devoluciones:
# {‘dimensión’: 8, ‘índice_plenitud’: 0.0, ‘espacios de nombres’: {”: {‘vector_count’: 5}}}
Consultando el índice y obteniendo vectores similares
El siguiente ejemplo utiliza la métrica de distancia euclidiana definida en el paso 2 (“Crear un índice”) anterior para buscar en el índice los tres vectores que son más similares a un ejemplo 8 dimensiones vector.
index.consulta(
vectorial=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3],
top_k=3,
include_values=Verdadero
)
# Devoluciones:
# {‘partidos’: [{‘id’: ‘C’,
# ‘score’: 0.0,
# ‘values’: [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]},
# {‘id’: ‘D’,
# ‘puntuación’: 0.0799999237,
# ‘valores’: [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]},
# {‘id’: ‘B’,
# ‘puntaje’: 0.0800000429,
# ‘valores’: [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]}],
# ‘espacio de nombres’: ”}
Borrando el índice
Utilizar el eliminar_índice operación para eliminar el índice una vez que haya terminado de usarlo.
El índice se elimina usando los comandos a continuación.
piña.delete_index(“inicio rápido”)
Tenga en cuenta que un índice que ha sido eliminado no puedo ser usado de nuevo.
Con todos estos pasos realizados, ahora debería haber aprendido cómo obtener la API de Pinecone y comenzar a usar Pinecone. Si te interesa, también puedes consultar: ¿Qué es AutoGPT y cómo usarlo?
