建立私有模型中樞 - Amazon SageMaker AI

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

建立私有模型中樞

使用下列步驟建立私有中樞，以管理組織預先訓練 JumpStart 基礎模型的存取控制。您必須先安裝 SageMaker Python SDK並設定必要的IAM許可，才能建立模型中樞。

建立私有中樞

  1. 安裝 SageMaker Python SDK並匯入必要的 Python 套件。

    # 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. 初始化 SageMaker AI 工作階段。

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

  3. 設定私有中樞的詳細資訊，例如內部中樞名稱、UI 顯示名稱和 UI 中樞描述。

    注意

    如果您在建立中樞時未指定 Amazon S3 儲存貯體名稱， SageMaker AI 中樞服務會代表您建立新的儲存貯體。新儲存貯體具有下列命名結構：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. 檢查您的管理員IAM角色是否具有建立私有中樞所需的 Amazon S3 許可。如果您的角色沒有必要的許可，請導覽至 IAM 主控台中的角色頁面。選擇管理員角色，然後在許可政策窗格中選擇新增許可，使用JSON編輯器建立具有下列許可的內嵌政策：

    {
    "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. 使用 步驟 3 中的組態建立私有模型中樞hub.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. 使用以下describe命令驗證新私有中樞的組態：

    hub.describe()