Hinzufügen von Modellen zu einem privaten Hub - Amazon SageMaker AI

Hinzufügen von Modellen zu einem privaten Hub

Nachdem Sie einen privaten Hub erstellt haben, können Sie Modelle hinzufügen, die auf der Zulassungsliste stehen. Die vollständige Liste der verfügbaren JumpStart-Modelle finden Sie in der Tabelle In vortrainierte Modelle integrierte Algorithmen in der Referenz zu SageMaker Python SDK.

  1. Mit der hub.list_sagemaker_public_hub_models()-Methode können Sie die verfügbaren Modelle programmgesteuert filtern. Sie können optional nach Kategorien wie Framework ("framework == pytorch"), Aufgaben wie Bildklassifizierung ("task == ic") und mehr filtern. Weitere Informationen zu Filtern finden Sie unter notebook_utils.py. Der Filterparameter in der hub.list_sagemaker_public_hub_models()-Methode ist optional. 

    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. Sie können dann die gefilterten Modelle hinzufügen, indem Sie den Modell-ARN in der hub.create_model_reference()-Methode angeben.

    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"))