Accedi a hub di modelli selezionati su Amazon SageMaker JumpStart - Amazon SageMaker AI
Accedi al tuo model hub privato in StudioAccedi al tuo hub modello privato usando SageMaker Python SDK

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.

Accedi a hub di modelli selezionati su Amazon SageMaker JumpStart

Puoi accedere a un hub di modelli privato tramite Studio o tramite SageMaker PythonSDK.

Accedi al tuo model hub privato in Studio

Importante

A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l'utilizzo dell'esperienza Studio aggiornata. Per informazioni sull'utilizzo dell'applicazione Studio Classic, consultaAmazon SageMaker Studio Classic.

In Amazon SageMaker Studio, apri la pagina di JumpStart destinazione tramite la Home page o il menu Home nel pannello a sinistra. Si apre la JumpStart landing page dedicata all'SageMaker intelligenza artificiale in cui puoi esplorare gli hub dei modelli e cercare modelli.

  • Dalla home page, scegli JumpStartnel riquadro Soluzioni predefinite e automatizzate.

  • Dal menu Home nel pannello di sinistra, vai al JumpStartnodo.

Per ulteriori informazioni su come iniziare a usare Amazon SageMaker Studio, consultaAmazon SageMaker Studio.

Dalla JumpStart landing page dedicata all'SageMaker intelligenza artificiale di Studio, puoi esplorare tutti gli hub di modelli privati che includono modelli consentiti per la tua organizzazione. Se hai accesso a un solo hub modello, la JumpStart landing page SageMaker AI ti porta direttamente a quell'hub. Se hai accesso a più hub, verrai indirizzato alla pagina Hub.

Per ulteriori informazioni sulla messa a punto, la distribuzione e la valutazione dei modelli a cui hai accesso in Studio, consulta. Usa i modelli di base in Studio

Accedi al tuo hub modello privato usando SageMaker Python SDK

Puoi accedere al tuo hub modello privato usando SageMaker PythonSDK. L'accesso per leggere, utilizzare o modificare l'hub curato è fornito dall'amministratore.

Nota

Se un hub è condiviso tra più account, allora HUB_NAME deve essere l'hubARN. Se un hub non è condiviso tra più account, HUB_NAME può essere il nome dell'hub.

  1. Installa SageMaker Python SDK e importa i pacchetti Python necessari.

    # 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
from sagemaker.jumpstart.model import JumpStartModel
from sagemaker.jumpstart.estimator import JumpStartEstimator

  2. Inizializza una sessione SageMaker AI e connettiti al tuo hub privato utilizzando il nome e la regione dell'hub.

    # If a hub is shared across accounts, then the HUB_NAME must be the hub ARN
HUB_NAME="Example-Hub-ARN" 
REGION="us-west-2" 

# Initialize a SageMaker session
sm_client = boto3.client('sagemaker') 
sm_runtime_client = boto3.client('sagemaker-runtime') 
session = Session(sagemaker_client=sm_client, 
                    sagemaker_runtime_client=sm_runtime_client)

# Initialize the private hub
hub = Hub(hub_name=HUB_NAME, sagemaker_session=session)

  3. Dopo esserti connesso a un hub privato, puoi elencare tutti i modelli disponibili in quell'hub utilizzando i seguenti comandi:

    response = hub.list_models()
models = response["hub_content_summaries"]
while response["next_token"]:
    response = hub.list_models(next_token=response["next_token"])
    models.extend(response["hub_content_summaries"])
    
print(models)

  4. È possibile ottenere ulteriori informazioni su un modello specifico utilizzando il nome del modello con il seguente comando:

    response = hub.describe_model(model_name="example-model")
print(response)

Per ulteriori informazioni sulla messa a punto e sulla distribuzione di modelli a cui è possibile accedere utilizzando Python SageMaker , vedere. SDK Utilizzate i modelli di base con SageMaker Python SDK