Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Acceda a centros de modelos seleccionados en Amazon SageMaker JumpStart
Puede acceder a un centro de modelos privado a través de Studio o del SDK de SageMaker Python.
Accede a tu centro de modelos privado en Studio
importante
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección trata específicamente sobre el uso de la experiencia de Studio actualizada. Para obtener información sobre el uso de la aplicación Studio Classic, consulteAmazon SageMaker Studio Clásico.
En Amazon SageMaker Studio, abre la página de JumpStart destino desde la página de inicio o desde el menú de inicio del panel izquierdo. Se abrirá la página de SageMaker JumpStartinicio, en la que podrás explorar los centros de modelos y buscar modelos.
-
En la página de inicio, seleccione JumpStarten el panel Soluciones prediseñadas y automatizadas.
-
En el menú de inicio del panel izquierdo, navegue hasta el JumpStartnodo.
Para obtener más información sobre cómo empezar a utilizar Amazon SageMaker Studio, consulteAmazon SageMaker Studio.
En la página de SageMaker JumpStartinicio de Studio, puede explorar cualquier centro de modelos privado que incluya modelos incluidos en la lista de permitidos para su organización. Si solo tienes acceso a un centro de modelos, la página de SageMaker JumpStartdestino te llevará directamente a ese centro. Si tiene acceso a varios centros, accederá a la página de centros.
Para obtener más información sobre cómo ajustar, implementar y evaluar los modelos a los que tiene acceso en Studio, consulte. Usa modelos básicos en Studio
Acceda a su centro de modelos privado mediante el SDK de SageMaker Python
Puede acceder a su centro de modelos privado mediante el SDK de SageMaker Python. El administrador te proporciona el acceso para leer, usar o editar tu hub seleccionado.
nota
Si un hub se comparte entre cuentas, HUB_NAME
debe ser el ARN del hub. Si un hub no se comparte entre cuentas, HUB_NAME
puede ser el nombre del hub.
-
Instale el SDK de SageMaker Python e importe los paquetes de Python necesarios.
# Install the SageMaker Python SDK !pip3 install sagemaker --force-reinstall --quiet # Import the necessary Python packages import boto3 from sagemaker import Session from sagemaker.jumpstart.hub.hub import Hub from sagemaker.jumpstart.model import JumpStartModel from sagemaker.jumpstart.estimator import JumpStartEstimator
-
Inicie una SageMaker sesión y conéctese a su hub privado con el nombre y la región del hub.
# 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) -
Tras conectarte a un hub privado, puedes enumerar todos los modelos disponibles en ese hub mediante los siguientes comandos:
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)
-
Puede obtener más información sobre un modelo específico utilizando el nombre del modelo con el siguiente comando:
response = hub.describe_model(model_name=
"example-model"
) print(response)
Para obtener más información sobre el ajuste y la implementación de modelos a los que tiene acceso mediante el SDK de SageMaker Python, consulte. Utilice modelos básicos con el SDK SageMaker Python