將模型新增至私有中樞

建立私有中樞後，您可以新增允許清單的模型。如需可用 JumpStart 模型的完整清單，請參閱 SageMaker Python SDK 參考中的具有預先訓練模型的內建演算法資料表。

1. 您可以使用 hub.list_sagemaker_public_hub_models()方法，以程式設計方式篩選可用的模型。您可以選擇性地依架構 ("framework == pytorch")、影像分類 ("task == ic") 等類別進行篩選。如需篩選條件的詳細資訊，請參閱notebook_utils.py。hub.list_sagemaker_public_hub_models() 方法中的篩選條件參數是選用的。

   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. 然後，您可以在 hub.create_model_reference()方法中指定模型 ARN，以新增篩選的模型。

   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"))