Création d'un hub de modèles privé - Amazon SageMaker AI

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.

Création d'un hub de modèles privé

Suivez les étapes ci-dessous pour créer un hub privé afin de gérer le contrôle d'accès pour les modèles de JumpStart base préformés pour votre organisation. Vous devez installer le SDK SageMaker Python et configurer les autorisations IAM nécessaires avant de créer un hub de modèles.

Création d'un hub privé

  1. Installez le SDK SageMaker Python et importez les packages Python nécessaires.

    # 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. Initialisez une session SageMaker AI.

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

  3. Configurez les détails de votre hub privé, tels que le nom du hub interne, le nom d'affichage de l'interface utilisateur et la description du hub d'interface utilisateur.

    Note

    Si vous ne spécifiez pas de nom de compartiment Amazon S3 lors de la création de votre hub, le service SageMaker AI Hub crée un nouveau compartiment en votre nom. Le nouveau compartiment a la structure de dénomination suivante :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. Vérifiez que votre rôle d'administrateur IAM dispose des autorisations Amazon S3 nécessaires pour créer un hub privé. Si votre rôle ne dispose pas des autorisations nécessaires, accédez à la page Rôles de la console IAM. Choisissez le rôle d'administrateur, puis choisissez Ajouter des autorisations dans le volet des politiques d'autorisations pour créer une politique en ligne avec les autorisations suivantes à l'aide de l'éditeur JSON :

    {
    "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. Créez un hub de modèles privé à l'aide de vos configurations de l'étape 3 à l'aide dehub.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. Vérifiez la configuration de votre nouveau hub privé à l'aide de la describe commande suivante :

    hub.describe()