高性能なベクトル検索アプリは、Pinecone ベクトル データベースを使用して簡単に作成できますが、多くのユーザーは、Pinecone API を取得する方法を知りたがっています。 データベースは魅力的です 開発者、 完全に 制御された、そして簡単に 拡張可能 インフラストラクチャの問題はありません。
高性能ベクトル検索アプリケーションの開発は、以下によって簡単になります。 松ぼっくり. これは、クラウド用に構築されたインフラストラクチャ フリーのマネージド ベクター データベースです。
この記事では、重要な情報である Pinecone API を取得する方法について説明します。 使い始める プラットフォーム。 したがって、これ以上苦労することなく、詳細に飛び込みましょう。
松ぼっくり API の入手方法
以下に、Pinecone API を取得する方法と、わずか数分でプラットフォームの使用を開始する方法を学習するための段階的なガイドを示します。 そのプロセスは実際にはかなり 率直な ただし、新しいユーザーには混乱を招く可能性があります。 以下の手順に従ってください。すぐに始められます。
松ぼっくりクライアントをインストール
このステップは実際には 不要. を使用する場合にのみ、このアクションを実行してください。 Python クライアント. ただし、長期的にはプロセスが簡素化されるため、そうすることをお勧めします。
Pinecone をインストールするには、次のシェル コマンドを使用します。
pip install pinecone-client
Pinecone API キーを取得して検証する
が必要です API キー 松ぼっくりを活用する。 Pinecone API を取得する方法に関するガイドの主な手順として、Pinecone コンソールを開き、[API キー]を選択して API キーを見つけます。 さらに、プロジェクトの環境がこのビューに表示されます。 あなたのメモを取る 環境 あなたのAPIキーと同様に。
次のコマンドを使用して、Pinecone API キーが機能していることを確認します。
輸入松ぼっくり
pinecone.init(api_key=”YOUR_API_KEY”, 環境=”YOUR_ENVIRONMENT”)
あなたのAPIキーは 正当 エラーメッセージが表示されない場合。
残りは少し複雑です
残りの手順は、次の 3 つの方法のいずれかで完了できます。
- 「Hello, Pinecone!」を使用して、ブラウザーで Python コードを作成して実行します。 コラボノート。
- 次の Python コマンドをローカルの Python インストールにコピーします。
- 次の cURL API コマンドを使用します。
松ぼっくりの初期化
輸入松ぼっくり
pinecone.init(api_key=”YOUR_API_KEY”, 環境=”YOUR_ENVIRONMENT”)
索引の作成
次のコマンドは、「」というインデックスを確立します。クイックスタート」は、ユークリッド距離メトリックを使用して 8 次元ベクトルの大まかな最近傍検索を行います。
インデックスの作成には約 1 分かかります。
pinecone.create_index(「クイックスタート」、ディメンション=8、メトリック=「ユークリッド」、pod_type=「p1」)
AutoGPT などの特定のオープンソース プロジェクトによって開発されたインデックスは、スターター (無料) プランで 1 日間使用しないとアーカイブされ、削除されます。 一般に、他のプランによって作成されたインデックスはアーカイブされ、その後削除されます。 非アクティブの 7 日間. API 呼び出しを Pinecone に送信すると、カウンターがリセットされ、これが発生しなくなります。
インデックスのリストを取得する
インデックスの名前が 索引リスト それが確立されたら。
以下のコマンドは、インデックスのリストを返します。
pinecone.list_indexes()
＃ 戻り値：
# [‘quickstart’]
インデックスへの接続 (クライアントのみ)
絶対です インデックスに接続する クライアントを使用してクエリを実行する前に。
以下にリストされているコマンドを使用して、インデックスに接続できます。
index = pinecone.Index(“クイックスタート”)
データの挿入
使用 アップサートベクトルをインデックスに挿入する操作。
upsert アクションは、新しいベクターをインデックスに追加するか、同じ ID を持つ既存のベクターが既に存在する場合はベクターを更新します。
以下にリストされているコマンドは、5 つの 8 次元ベクトルをインデックスにアップサートします。
# サンプル データのアップサート (5 つの 8 次元ベクトル)
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])、
(「え」、 [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5])
])
Pinecone インデックスのエンドポイントは、上記の cURL コードで使用されます。
バッチでデータをアップサートすることに注意してください 100 個のベクター 大量のデータをアップサートする場合、いくつかのアップサート リクエストの過程で、またはそれ以下になります。
インデックスに関する統計の取得
次のコマンドは、 統計 インデックスの内容について。
index.describe_index_stats()
＃ 戻り値：
# {‘dimension’: 8, ‘index_fullness’: 0.0, ‘namespaces’: {”: {‘vector_count’: 5}}}
インデックスのクエリと同様のベクトルの取得
次の例では、上記の手順 2 (「インデックスの作成」) で定義されたユークリッド距離メトリックを使用して、例に最も類似した 3 つのベクトルのインデックスを検索します。 8次元 ベクター。
index.query(
ベクトル=[0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]、
top_k=3,
include_values=True
)
＃ 戻り値：
# {‘マッチ’: [{‘id’: ‘C’,
# ‘score’: 0.0,
# ‘values’: [0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3]}、
# {‘id’: ‘D’,
# ‘スコア’: 0.0799999237,
# ‘値’: [0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4]}、
# {‘id’: ‘B’,
# ‘スコア’: 0.0800000429,
# ‘値’: [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]}]、
# ‘名前空間’: ”}
インデックスの削除
使用 インデックスの削除 インデックスの使用が終了したら、インデックスを削除する操作。
以下のコマンドを使用して、インデックスを削除します。
pinecone.delete_index(“クイックスタート”)
インデックスが削除されていることに注意してください できない 再び使用されます。
これらの手順がすべて完了すると、Pinecone API を取得して Pinecone の使用を開始する方法を学習したはずです。 興味がある場合は、以下もチェックしてください: AutoGPT とは何ですか?
Source: Pinecone API の説明を受ける方法
