View a markdown version of this page

Accédez à des hubs de modèles sélectionnés sur Amazon SageMaker JumpStart - Amazon SageMaker AI
Accès à votre hub de modèles privé dans StudioAccédez à votre hub de modèles privé à l'aide du SDK SageMaker Python

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Accédez à des hubs de modèles sélectionnés sur Amazon SageMaker JumpStart

Vous pouvez accéder à un hub de modèles privé via Studio ou via le SDK SageMaker Python.

Accès à votre hub de modèles privé dans Studio

Important

Depuis le 30 novembre 2023, l'expérience Amazon SageMaker Studio précédente s'appelle désormais Amazon SageMaker Studio Classic. La section suivante est spécifique à l’utilisation de l’expérience Studio mise à jour. Pour en savoir plus sur l’utilisation de l’application Studio Classic, consultez Amazon SageMaker Studio Classique.

Dans Amazon SageMaker Studio, ouvrez la page JumpStart d'accueil via la page d'accueil ou le menu principal du panneau de gauche. Cela ouvre la page SageMaker JumpStart d'accueil où vous pouvez explorer les hubs de modèles et rechercher des modèles.

  • Sur la page d'accueil, choisissez JumpStart dans le volet Solutions prédéfinies et automatisées.

  • Dans le menu principal du panneau de gauche, accédez au JumpStart nœud.

Pour plus d'informations sur la prise en main d'Amazon SageMaker Studio, consultezAmazon SageMaker Studio.

Sur la page SageMaker JumpStart d'accueil de Studio, vous pouvez explorer tous les hubs de modèles privés qui incluent des modèles autorisés pour votre organisation. Si vous n'avez accès qu'à un seul hub de modèles, la page de SageMaker JumpStart destination vous amène directement à ce hub. Si vous avez accès à plusieurs hubs, vous êtes redirigé vers la page Hubs.

Pour plus d’informations sur le peaufinage, le déploiement et l’évaluation des modèles auxquels vous avez accès dans Studio, consultez Utilisation de modèles de fondation dans Studio.

Accédez à votre hub de modèles privé à l'aide du SDK SageMaker Python

Vous pouvez accéder à votre hub de modèles privé à l'aide du SDK SageMaker Python. L’accès pour lire, utiliser ou modifier un hub organisé est fourni par votre administrateur.

Note

Si un hub est partagé entre plusieurs comptes, HUB_NAME doit correspondre à l’ARN du hub. Si un hub n’est pas partagé entre plusieurs comptes, HUB_NAME peut correspondre au nom du hub.

  1. Installez le SDK SageMaker Python et importez les packages Python nécessaires.

    # Install the SageMaker Python SDK
    !pip3 install sagemaker --force-reinstall --quiet
    
    # Import the necessary Python packages
    import boto3
    from sagemaker.core.helper.session_helper import Session
    from sagemaker.jumpstart.hub.hub import Hub
    from sagemaker.serve import ModelBuilder
    from sagemaker.train import ModelTrainer
    from sagemaker.core.jumpstart.configs import JumpStartConfig

  2. Initialisez une session d' SageMaker IA et connectez-vous à votre hub privé à l'aide du nom du hub et de la région.

    # 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. Une fois connecté à un hub privé, vous pouvez répertorier tous les modèles qui y sont disponibles à l’aide des commandes suivantes :

    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. Vous pouvez obtenir plus d’informations sur un modèle spécifique en utilisant son nom avec la commande suivante :

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

Pour plus d'informations sur le réglage et le déploiement des modèles auxquels vous avez accès à l'aide du SDK SageMaker Python, consultez. Utilisez les modèles de base avec le SageMaker Python Kit SDK