Aggiungi modelli a un hub privato

Dopo aver creato un hub privato, puoi aggiungere modelli consentiti. Per l'elenco completo dei JumpStart modelli disponibili, consulta la tabella degli algoritmi integrati con modelli preaddestrati nel riferimento SageMaker Python SDK.

1. È possibile filtrare i modelli disponibili a livello di codice utilizzando il metodo. hub.list_sagemaker_public_hub_models() Facoltativamente, puoi filtrare per categorie come framework ("framework == pytorch"), attività come la classificazione delle immagini ("task == ic") e altro. Per ulteriori informazioni sui filtri, consultare notebook_utils.py. Il parametro di filtro nel hub.list_sagemaker_public_hub_models() metodo è facoltativo.

   filter_value = "framework == meta"
   response = hub.list_sagemaker_public_hub_models(filter=filter_value)
   models = response["hub_content_summaries"]
   while response["next_token"]:
       response = hub.list_sagemaker_public_hub_models(filter=filter_value, next_token=response["next_token"])
       models.extend(response["hub_content_summaries"])
   
   print(models)

2. È quindi possibile aggiungere i modelli filtrati specificando l'ARN del modello nel metodo. hub.create_model_reference()

   for model in models:
       print(f"Adding {model.get('hub_content_name')} to Hub")
       hub.create_model_reference(model_arn=model.get("hub_content_arn"), model_name=model.get("hub_content_name"))