Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Après avoir créé un hub privé, vous pouvez ajouter des modèles autorisés. Pour obtenir la liste complète des JumpStart modèles disponibles, consultez le tableau des algorithmes intégrés avec modèles préentraînés
-
Vous pouvez filtrer les modèles disponibles par programmation à l'aide de cette méthode.
hub.list_sagemaker_public_hub_models()Vous pouvez éventuellement filtrer par catégories telles que framework ("framework == pytorch"), tâches telles que classification d'images ("task == ic"), etc. Pour plus d'informations sur les filtres, consulteznotebook_utils.py. Le paramètre de filtre de la hub.list_sagemaker_public_hub_models()méthode est facultatif.filter_value ="framework == meta"response = hub.list_sagemaker_public_hub_models(filter=filter_value) models = response["hub_content_summaries"] while response["next_token"]: response = hub.list_sagemaker_public_hub_models(filter=filter_value, next_token=response["next_token"]) models.extend(response["hub_content_summaries"]) print(models) -
Vous pouvez ensuite ajouter les modèles filtrés en spécifiant l'ARN du modèle dans la
hub.create_model_reference()méthode.for model in models: print(f"Adding {model.get('hub_content_name')} to Hub") hub.create_model_reference(model_arn=model.get("hub_content_arn"), model_name=model.get("hub_content_name"))
