访问 Amazon 中精心策划的模型中心 SageMaker JumpStart

你可以通过 Studio 或 SageMaker Python SDK 访问私有模型中心。

访问 Studio 中的私有模型中心

重要

截至 2023 年 11 月 30 日，之前的亚马逊 SageMaker Studio 体验现在被命名为 Amazon St SageMaker udio Classic。以下部分专门介绍如何使用更新后的 Studio 体验。有关使用 Studio Classic 应用程序的信息，请参阅 亚马逊 SageMaker Studio 经典版。

在 Amazon SageMaker Studio 中，通过左侧面板上的主页或主页菜单打开 JumpStart 登录页面。这将打开 A SageMaker I JumpStart 登录页面，您可以在其中浏览模型中心并搜索模型。

• 在 “主页” 页面中，JumpStart在 “预构建和自动解决方案” 窗格中进行选择。

• 从左侧面板的 “主页” 菜单中导航到该JumpStart节点。

有关开始使用 Amazon SageMaker Studio 的更多信息，请参阅亚马逊 SageMaker Studio。

在 Studio 的 SageMaker AI JumpStart 登录页面上，你可以浏览任何包含贵组织允许名单模型的私有模型中心。如果您只能访问一个模型中心，那么 SageMaker AI JumpStart 登录页面会将您直接带到该中心。如果您有权访问多个中心，则会进入中心页面。

有关微调、部署和评估可以在 Studio 中访问的模型的更多信息，请参阅 在 Studio 中使用基础模型。

使用 SageMaker Python 软件开发工具包访问你的私有模型中心

你可以使用 SageMaker Python 软件开发工具包访问你的私有模型中心。您的管理员提供您读取、使用或编辑策管的中心的权限。

注意

如果中心是跨账户共享的，则 HUB_NAME 必须是中心 ARN。如果中心不是跨账户共享的，则 HUB_NAME 可以是中心名称。

1. 安装 SageMaker Python 开发工具包并导入必要的 Python 软件包。

   # 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. 初始化 A SageMaker I 会话并使用集线器名称和区域连接到您的私有集线器。

   # 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. 连接到私有中心后，您可以使用以下命令列出此中心中的所有可用模型：

   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. 您可以使用以下命令，通过模型名称获取特定模型的更多信息：

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

有关微调和部署您可以使用 SageMaker Python SDK 访问的模型的更多信息，请参阅将基础模型与 SageMaker Python SDK。