기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
다음 단계에 따라 프라이빗 허브를 생성하여 조직의 사전 훈련된 JumpStart 파운데이션 모델에 대한 액세스 제어를 관리합니다. 모델 허브를 생성하기 전에 SageMaker Python SDK를 설치하고 필요한 IAM 권한을 구성해야 합니다.
프라이빗 허브 생성
-
SageMaker Python SDK를 설치하고 필요한 Python 패키지를 가져옵니다.
# 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
-
SageMaker AI 세션을 초기화합니다.
sm_client = boto3.client(
'sagemaker'
) session = Session(sagemaker_client=sm_client) session.get_caller_identity_arn() -
내부 허브 이름, UI 표시 이름 및 UI 허브 설명과 같은 프라이빗 허브의 세부 정보를 구성합니다.
참고
허브를 생성할 때 Amazon S3 버킷 이름을 지정하지 않으면 SageMaker AI 허브 서비스가 사용자를 대신하여 새 버킷을 생성합니다. 새 버킷의 이름 지정 구조는
sagemaker-hubs-
입니다.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"
-
관리자 IAM 역할에 프라이빗 허브를 생성하는 데 필요한 Amazon S3 권한이 있는지 확인합니다. 역할에 필요한 권한이 없는 경우 IAM 콘솔의 역할 페이지로 이동합니다. 관리자 역할을 선택한 다음 권한 정책 창에서 권한 추가를 선택하여 JSON 편집기를 사용하여 다음 권한으로 인라인 정책을 생성합니다.
{ "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" } ] } -
hub.create()
를 사용하여 3단계의 구성을 사용하여 프라이빗 모델 허브를 생성합니다.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 -
다음
describe
명령을 사용하여 새 프라이빗 허브의 구성을 확인합니다.hub.describe()