Aggiungi modelli a un hub privato - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Aggiungi modelli a un hub privato

Dopo aver creato un hub privato, puoi aggiungere modelli consentiti. Per l'elenco completo dei JumpStart modelli disponibili, vedere Algoritmi integrati con tabella di modelli pre-addestrati nel riferimento Python SageMaker . SDK

  1. È possibile filtrare i modelli disponibili a livello di codice utilizzando il metodo. hub.list_sagemaker_public_hub_models() Facoltativamente, puoi filtrare per categorie come framework ("framework == pytorch"), attività come la classificazione delle immagini ("task == ic") e altro. Per ulteriori informazioni sui filtri, consultare notebook_utils.py. Il parametro di filtro nel hub.list_sagemaker_public_hub_models() metodo è facoltativo. 

    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)

  2. È quindi possibile aggiungere i modelli filtrati specificando il modello ARN nel hub.create_model_reference() metodo.

    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"))