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
<a name="jumpstart-curated-hubs-access-hubs"></a>

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

## Akses hub model pribadi Anda di Studio
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**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, lihat[Amazon SageMaker Studio Klasik](studio.md).

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, lihat[SageMaker Studio Amazon](studio-updated.md).

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](jumpstart-foundation-models-use-studio-updated.md)

## Akses hub model pribadi Anda menggunakan SageMaker Python SDK
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

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
   ```

1. 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)
   ```

1. 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)
   ```

1. 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](jumpstart-foundation-models-use-python-sdk.md)