View a markdown version of this page

Akses hub model yang dikuratori di Amazon SageMaker JumpStart - Amazon SageMaker AI
Akses hub model pribadi Anda di StudioAkses hub model pribadi Anda menggunakan SageMaker Python SDK

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Akses hub model yang dikuratori di Amazon SageMaker JumpStart

Anda dapat mengakses hub model pribadi baik melalui Studio atau melalui SageMaker Python SDK.

Akses hub model pribadi Anda di Studio

penting

Pada 30 November 2023, pengalaman Amazon SageMaker Studio sebelumnya sekarang bernama Amazon SageMaker Studio Classic. Bagian berikut ini khusus untuk menggunakan pengalaman Studio yang diperbarui. Untuk informasi tentang menggunakan aplikasi Studio Classic, lihatAmazon SageMaker Studio Klasik.

Di Amazon SageMaker Studio, buka JumpStart halaman arahan melalui halaman Beranda atau menu Beranda di panel sisi kiri. Ini membuka halaman SageMaker JumpStart arahan di mana Anda dapat menjelajahi hub model dan mencari model.

  • Dari halaman Beranda, pilih JumpStart di panel Solusi Prebuilt dan otomatis.

  • Dari menu Beranda di panel kiri, navigasikan ke JumpStart node.

Untuk informasi selengkapnya tentang memulai dengan Amazon SageMaker Studio, lihatSageMaker Studio Amazon.

Dari halaman ar SageMaker JumpStart ahan di Studio, Anda dapat menjelajahi hub model pribadi apa pun yang menyertakan model yang terdaftar diizinkan untuk organisasi Anda. Jika Anda hanya memiliki akses ke satu hub model, maka halaman SageMaker JumpStart arahan membawa Anda langsung ke hub itu. Jika Anda memiliki akses ke beberapa hub, Anda akan dibawa ke halaman Hub.

Untuk informasi selengkapnya tentang menyempurnakan, menerapkan, dan mengevaluasi model yang dapat Anda akses di Studio, lihat. Gunakan model pondasi di Studio

Akses hub model pribadi Anda menggunakan SageMaker Python SDK

Anda dapat mengakses hub model pribadi Anda menggunakan SageMaker Python SDK. Akses Anda untuk membaca, menggunakan, atau mengedit hub yang dikurasi disediakan oleh administrator Anda.

catatan

Jika hub dibagikan di seluruh akun, maka HUB_NAME harus menjadi hub ARN. Jika hub tidak dibagikan di seluruh akun, maka itu HUB_NAME bisa menjadi nama hub.

  1. Instal SageMaker Python SDK dan impor paket Python yang diperlukan.

    # 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. Mulai sesi SageMaker AI dan sambungkan ke hub pribadi Anda menggunakan nama hub dan Wilayah.

    # 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. Setelah menghubungkan ke hub pribadi, Anda dapat membuat daftar semua model yang tersedia di hub tersebut menggunakan perintah berikut:

    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. Anda bisa mendapatkan informasi lebih lanjut tentang model tertentu menggunakan nama model dengan perintah berikut:

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

Untuk informasi selengkapnya tentang menyempurnakan dan menerapkan model yang dapat Anda akses menggunakan SageMaker Python SDK, lihat. Gunakan model pondasi dengan SageMaker Python SDK