Acesse hubs de modelos selecionados na Amazon SageMaker JumpStart

Você pode acessar um hub de modelo privado por meio do Studio ou do SDK do SageMaker Python.

Acesse seu hub de modelos privado no Studio

Importante

Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica para usar a experiência atualizada do Studio. Para obter informações sobre como usar o aplicativo Studio Classic, consulteAmazon SageMaker Studio Clássico.

No Amazon SageMaker Studio, abra a página JumpStart inicial por meio da página inicial ou do menu inicial no painel do lado esquerdo. Isso abre a página SageMaker JumpStartinicial, na qual você pode explorar os hubs de modelos e pesquisar modelos.

• Na página inicial, escolha JumpStartno painel Soluções pré-construídas e automatizadas.

• No menu Início, no painel esquerdo, navegue até o JumpStartnó.

Para obter mais informações sobre como começar a usar o Amazon SageMaker Studio, consulte SageMaker Estúdio Amazon.

Na página SageMaker JumpStartinicial do Studio, você pode explorar quaisquer hubs de modelos privados que incluam modelos listados como permitidos para sua organização. Se você tiver acesso apenas a um hub de modelos, a página de SageMaker JumpStartdestino o levará diretamente para esse hub. Se você tiver acesso a vários hubs, você será direcionado para a página Hubs.

Para obter mais informações sobre como ajustar, implantar e avaliar modelos aos quais você tem acesso no Studio, consulte. Use modelos básicos no Studio

Acesse seu hub de modelo privado usando o SDK do SageMaker Python

Você pode acessar seu hub de modelo privado usando o SDK do SageMaker Python. Seu acesso para ler, usar ou editar seu hub organizado é fornecido pelo seu administrador.

nota

Se um hub for compartilhado entre contas, ele HUB_NAME deverá ser o ARN do hub. Se um hub não for compartilhado entre contas, HUB_NAME pode ser o nome do hub.

1. Instale o SDK do SageMaker Python e importe os pacotes Python necessários.

   # 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. Inicialize uma SageMaker sessão e conecte-se ao seu hub privado usando o nome do hub e a região.

   # 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. Depois de se conectar a um hub privado, você pode listar todos os modelos disponíveis nesse hub usando os seguintes 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)

4. Você pode obter mais informações sobre um modelo específico usando o nome do modelo com o seguinte comando:

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

Para obter mais informações sobre como ajustar e implantar modelos aos quais você tem acesso usando o SDK do SageMaker Python, consulte. Use modelos básicos com o SageMaker Python SDK