Amazon で厳選されたモデルハブにアクセスする SageMaker JumpStart - Amazon SageMaker
Studio でプライベートモデルハブにアクセスする SageMaker Python を使用してプライベートモデルハブにアクセスする SDK

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon で厳選されたモデルハブにアクセスする SageMaker JumpStart

Studio または SageMaker Python を通じてプライベートモデルハブにアクセスできますSDK。

Studio でプライベートモデルハブにアクセスする

重要

2023 年 11 月 30 日現在、以前の Amazon SageMaker Studio エクスペリエンスは Amazon SageMaker Studio Classic と名付けられています。以下のセクションは、更新された Studio エクスペリエンスの使用に固有のものです。Studio Classic アプリケーションの使用については、「」を参照してくださいAmazon SageMaker Studio Classic。

Amazon SageMaker Studio で、ホームページまたは左側のパネルのホームメニューからラン JumpStart ディングページを開きます。これにより、ランSageMaker JumpStartディングページが開き、モデルハブを調べたり、モデルを検索したりできます。

  • ホームページで、構築済みおよび自動化されたソリューションペインJumpStartで を選択します。

  • 左パネルのホームメニューから、JumpStartノードに移動します。

Amazon SageMaker Studio の使用開始の詳細については、「」を参照してくださいAmazon SageMaker Studio。

Studio のSageMaker JumpStartランディングページから、組織の許可リストに登録されているモデルを含むプライベートモデルハブを探索できます。1 つのモデルハブにのみアクセスできる場合、SageMaker JumpStartランディングページはそのハブに直接移動します。複数のハブにアクセスできる場合は、Hubs ページに移動します。

Studio でアクセスできるモデルの微調整、デプロイ、評価の詳細については、「」を参照してくださいStudio で基盤モデルを使用する。

SageMaker Python を使用してプライベートモデルハブにアクセスする SDK

SageMaker Python を使用してプライベートモデルハブにアクセスできますSDK。キュレートされたハブの読み取り、使用、編集へのアクセスは、管理者によって提供されます。

注記

ハブがアカウント間で共有されている場合、 はハブ HUB_NAMEである必要がありますARN。ハブがアカウント間で共有されていない場合、 HUB_NAME はハブ名になります。

  1. SageMaker Python をインストールSDKし、必要な Python パッケージをインポートします。

    # 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. SageMaker セッションを初期化し、ハブ名とリージョンを使用してプライベートハブに接続します。

    # 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. プライベートハブに接続したら、次のコマンドを使用して、そのハブで使用可能なすべてのモデルを一覧表示できます。

    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. 次のコマンドを使用して、モデル名を使用して特定のモデルに関する詳細情報を取得できます。

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

SageMaker Python を使用してアクセスできるモデルの微調整とデプロイの詳細についてはSDK、「」を参照してくださいで基盤モデルを使用する SageMaker Python SDK。