Amazon에서 큐레이션된 모델 허브에 액세스하세요 SageMaker JumpStart

Studio 또는 SageMaker Python SDK를 통해 프라이빗 모델 허브에 액세스할 수 있습니다.

Studio에서 프라이빗 모델 허브에 액세스하세요.

중요

2023년 11월 30일부터 이전 아마존 SageMaker 스튜디오 익스피리언스는 이제 아마존 SageMaker 스튜디오 클래식으로 명명되었습니다. 다음 섹션은 업데이트된 스튜디오 환경 사용에 대한 내용입니다. Studio Classic 애플리케이션 사용에 대한 자세한 내용은 을 참조하십시오아마존 SageMaker 스튜디오 클래식.

Amazon SageMaker Studio에서 왼쪽 패널의 홈 페이지 또는 홈 메뉴를 통해 JumpStart 랜딩 페이지를 엽니다. 그러면 모델 허브를 탐색하고 모델을 검색할 수 있는 SageMaker JumpStart랜딩 페이지가 열립니다.

• 홈 페이지에서 사전 구축되고 자동화된 솔루션 JumpStart창에서 선택하십시오.

• 왼쪽 패널의 홈 메뉴에서 해당 JumpStart노드로 이동합니다.

Amazon SageMaker Studio를 시작하는 방법에 대한 자세한 내용은 을 참조하십시오아마존 SageMaker 스튜디오.

Studio의 SageMaker JumpStart랜딩 페이지에서 조직의 허용 목록에 있는 모델을 포함하는 모든 사설 모델 허브를 탐색할 수 있습니다. 하나의 모델 허브에만 액세스할 수 있는 경우 SageMaker JumpStart랜딩 페이지를 통해 해당 허브로 바로 이동할 수 있습니다. 여러 허브에 액세스할 수 있는 경우 Hubs 페이지로 이동합니다.

Studio에서 액세스할 수 있는 모델을 미세 조정, 배포 및 평가하는 방법에 대한 자세한 내용은 을 참조하십시오. 스튜디오에서 기초 모델을 사용하세요.

SageMaker Python SDK를 사용하여 프라이빗 모델 허브에 액세스하세요

SageMaker Python SDK를 사용하여 프라이빗 모델 허브에 액세스할 수 있습니다. 큐레이션된 허브를 읽고, 사용하고, 편집할 수 있는 권한은 관리자가 제공합니다.

참고

허브가 여러 계정에서 공유되는 경우 허브 HUB_NAME ARN이어야 합니다. 허브가 계정 간에 공유되지 않는 경우 가 허브 이름일 HUB_NAME 수 있습니다.

1. SageMaker Python SDK를 설치하고 필요한 Python 패키지를 가져옵니다.

   # 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

2. SageMaker 세션을 초기화하고 허브 이름과 지역을 사용하여 프라이빗 허브에 연결합니다.

   # 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. 프라이빗 허브에 연결한 후 다음 명령을 사용하여 해당 허브에서 사용 가능한 모든 모델을 나열할 수 있습니다.

   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. 다음 명령으로 모델 이름을 사용하여 특정 모델에 대한 자세한 정보를 얻을 수 있습니다.

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

SageMaker Python SDK를 사용하여 액세스할 수 있는 모델을 미세 조정 및 배포하는 방법에 대한 자세한 내용은 을 참조하십시오. SDK와 함께 기초 모델 사용 SageMaker Python