本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# JumpStart 通过使用 Amazon SageMaker Studio 部署模型
以下步骤向您展示了如何 JumpStart 使用 Amazon SageMaker Studio 部署模型。
## 先决条件
确认您已在 Amazon SageMaker HyperPod 集群上设置了推理功能。有关更多信息，请参阅 [设置 HyperPod 集群以进行模型部署](sagemaker-hyperpod-model-deployment-setup.md)。
## 创建部 HyperPod 署
1. 在 Amazon SageMaker Studio 中，从左侧导航窗格中打开**JumpStart**登录页面。
1. 在**所有公共模型**下，选择要部署的模型。
**注意**
如果您选择了门控模型，则必须接受最终用户许可协议（EULA）。
1. 选择 **SageMaker HyperPod**。
1. 在 **“部署设置”** 下， JumpStart将推荐一个实例进行部署。如有必要，您可以修改这些设置。
1. 如果您修改**实例类型**，请确保它与所选**HyperPod 集群**兼容。如果没有任何兼容的实例，则需要选择一个新**HyperPod 集群**或联系管理员向集群添加兼容的实例。
1. 要确定模型部署的优先级，请安装任务治理加载项，创建计算资源分配，然后为集群策略设置任务排名。完成此操作后，您应看到一个为模型部署选择优先级的选项，该优先级可用于抢占集群上的其他部署和任务。
1. 输入管理员已为您提供访问权限的命名空间。您可能需要直接联系管理员以获取确切的命名空间。提供有效的命名空间后，应启用**部署**按钮来部署模型。
1. 如果您的实例类型为分区（已启用 MIG），请选择 **GPU 分区**类型。
1. 如果要启用 L2 KVCache 或智能路由来加快 LLM 推理，请启用它们。默认情况下，仅启用 L1 KV 缓存。有关 KVCache 和智能路由的更多详细信息，请参阅[SageMaker HyperPod 模型部署](sagemaker-hyperpod-model-deployment.md)。
1. 选择**部署**，然后等待**端点**创建完成。
1. 创建**端点**后，选择**测试推理**。
## 编辑部 HyperPod 署
1. 在 Amazon SageMaker Studio 中，选择**计算**，然后从左侧导航窗格中选择**HyperPod集群**。
1. 在 “**部署**” 下，选择要修改的 HyperPod 集群部署。
1. 从垂直省略号图标（⋮）中，选择**编辑**。
1. 在**部署设置**下，您可以启用或禁用**自动扩缩**，并更改**最大副本数**的数字。
1. 选择**保存**。
1. **状态**将变为**正在更新**。在状态变回**正在服务**后，您的更改便已完成，并且您将看到一条确认消息。
## 删除部 HyperPod 署
1. 在 Amazon SageMaker Studio 中，选择**计算**，然后从左侧导航窗格中选择**HyperPod集群**。
1. 在 “**部署**” 下，选择要修改的 HyperPod 集群部署。
1. 从垂直省略号图标（⋮）中，选择**删除**。
1. 在 “**删除部 HyperPod 署” 窗口中**，选中该复选框。
1. 选择**删除**。
1. **状态**将变为**正在删除**。删除 HyperPod 部署后，您将看到一条确认消息。