Erstellen Sie einen privaten Model-Hub

Erstellen Sie einen privaten Hub

1. Installieren Sie das SageMaker Python-SDK und importieren Sie die erforderlichen Python-Pakete.

   # Install the SageMaker Python SDK
   !pip3 install sagemaker --force-reinstall --quiet
   
   # Import the necessary Python packages
   import boto3
   from sagemaker import Session
   from sagemaker.jumpstart.hub.hub import Hub

2. Initialisieren Sie eine SageMaker AI-Sitzung.

   sm_client = boto3.client('sagemaker')
   session = Session(sagemaker_client=sm_client)
   session.get_caller_identity_arn()

3. Konfigurieren Sie die Details Ihres privaten Hubs, z. B. den Namen des internen Hubs, den Anzeigenamen der Benutzeroberfläche und die Beschreibung des UI-Hubs.

   Anmerkung

   Wenn Sie bei der Erstellung Ihres Hubs keinen Amazon S3 S3-Bucket-Namen angeben, erstellt der SageMaker AI-Hub-Service in Ihrem Namen einen neuen Bucket. Der neue Bucket hat die folgende Benennungsstruktur:sagemaker-hubs-REGION-ACCOUNT_ID.

   HUB_NAME="Example-Hub"
   HUB_DISPLAY_NAME="Example Hub UI Name"
   HUB_DESCRIPTION="A description of the example private curated hub."
   REGION="us-west-2"

4. Vergewissern Sie sich, dass Ihre Admin-IAM-Rolle über die erforderlichen Amazon S3 S3-Berechtigungen verfügt, um einen privaten Hub zu erstellen. Wenn Ihre Rolle nicht über die erforderlichen Berechtigungen verfügt, navigieren Sie in der IAM-Konsole zur Seite Rollen. Wählen Sie die Administratorrolle und dann im Bereich „Berechtigungsrichtlinien“ die Option Berechtigungen hinzufügen aus, um mit dem JSON-Editor eine Inline-Richtlinie mit den folgenden Berechtigungen zu erstellen:

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Action": [
                   "s3:ListBucket",
                   "s3:GetObject",
                   "s3:GetObjectTagging"
               ],
               "Resource": [
                   "arn:aws:s3:::jumpstart-cache-prod-REGION",
                   "arn:aws:s3:::jumpstart-cache-prod-REGION/*"
               ],
               "Effect": "Allow"
           }
       ]
   }

5. Erstellen Sie einen privaten Modell-Hub mit Ihren Konfigurationen aus Schritt 3 mithub.create().

   hub = Hub(hub_name=HUB_NAME, sagemaker_session=session)
   
   try:
   # Create the private hub
     hub.create(
         description=HUB_DESCRIPTION,
         display_name=HUB_DISPLAY_NAME
     )
     print(f"Successfully created Hub with name {HUB_NAME} in {REGION}")
   # Check that no other hubs with this internal name exist
   except Exception as e:
     if "ResourceInUse" in str(e):
       print(f"A hub with the name {HUB_NAME} already exists in your account.")
     else:
       raise e

6. Überprüfen Sie die Konfiguration Ihres neuen privaten Hubs mit dem folgenden describe Befehl:

   hub.describe()