必要條件建立私有模型中樞將模型新增至私有中樞從私人集線器刪除模型移除對 SageMaker 公用模型中心的存取刪除私人中樞故障診斷支援的 AWS 地區

在 Amazon 建立私有模型中樞 SageMaker JumpStart

建立組織內的使用者可以存取的一或多個私人策劃模型中樞。

以下步驟將引導您完成如何使用 SageMaker Python 創建私有集線器SDK。

必要條件

若要在 Studio 中建立私人集線器，您必須具備下列先決條件：

具有管理員存取權的 AWS 帳戶
一個 AWS Identity and Access Management （IAM）角色訪問 Amazon SageMaker 工作室
一個 JumpStart 啟用的 Amazon SageMaker 域

如需開始使用 Studio 的詳細資訊，請參閱Amazon SageMaker 一室。

建立私有模型中樞

請使用下列步驟來建立私人中樞。在建立模型集線器之前，您必須安裝 SageMaker Python SDK 並設定必要的IAM權限。

建立私人中樞

安裝 SageMaker Python SDK 並導入必要的 Python 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

初始化工 SageMaker 作階段。


sm_client = boto3.client('sagemaker')
session = Session(sagemaker_client=sm_client)
session.get_caller_identity_arn()

設定私人中樞的詳細資料，例如內部中樞名稱、UI 顯示名稱和 UI 中樞描述。

注意
如果您在建立集線器時未指定 Amazon S3 儲存貯體名稱，則 SageMaker Hub 服務會代表您建立新儲存貯體。新值區具有下列命名結構：sagemaker-hubs-REGION-ACCOUNT_ID。
```
HUB_NAME="Example-Hub"
HUB_DISPLAY_NAME="Example Hub UI Name"
HUB_DESCRIPTION="A description of the example private curated hub."
REGION="us-west-2"
```

檢查您的管理員IAM角色是否具有建立私有中樞所需的 Amazon S3 許可。如果您的角色沒有必要的權限，請瀏覽至IAM主控台中的 [角色] 頁面。選擇 [管理員] 角色，然後在 [權限] 原則窗格中選擇 [新增權限]，以使用JSON編輯器建立具有下列權限的內嵌原則：


{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": [
                "s3:ListBucket",
                "s3:GetObject",
                "s3:GetObjectTagging"
            ],
            "Resource": [
                "arn:aws:s3:::jumpstart-cache-prod-REGION",
                "arn:aws:s3:::jumpstart-cache-prod-REGION/*"
            ],
            "Effect": "Allow"
        }
    ]
}

使用步驟 3 中的組態建立專用模型中樞hub.create()。


hub = Hub(hub_name=HUB_NAME, sagemaker_session=session)

try:
# Create the private hub
  hub.create(
      description=HUB_DESCRIPTION,
      display_name=HUB_DISPLAY_NAME
  )
  print(f"Successfully created Hub with name {HUB_NAME} in {REGION}")
# Check that no other hubs with this internal name exist
except Exception as e:
  if "ResourceInUse" in str(e):
    print(f"A hub with the name {HUB_NAME} already exists in your account.")
  else:
    raise e

使用下列describe命令驗證新私人中樞的組態：
```
hub.describe()
```

將模型新增至私有中樞

建立私人中樞後，您就可以新增允許列出的模型。有關可用模 JumpStart 型的完整列表，請參閱 SageMaker Python SDK 參考中的帶有預先訓練模型表的內置算法。

您可以使用該方法以程式設計hub.list_sagemaker_public_hub_models()方式篩選可用的模型。您可以選擇性地依類別 (例如 framework ("framework == pytorch")、影像分類 ("task == ic") 等工作進行篩選。如需篩選條件的詳細資訊，請參閱notebook_utils.py。該hub.list_sagemaker_public_hub_models()方法中的過濾器參數是可選的。
```
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)
```

然後，您可以透過ARN在hub.create_model_reference()方法中指定模型來新增篩選的模型。


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"))

從私人集線器刪除模型

您可以透過在hub.delete_model_reference()方法中指定模型，從私有ARN中樞刪除模型。


hub.delete_model_reference(model-name)

移除對 SageMaker 公用模型中心的存取

除了在 Studio 中新增私人策劃的 JumpStart 中樞之外，您也可以移除使用者對 SageMaker 公用模型中心的存取權。 SageMaker 公用模型中心可以存取所有可用的 JumpStart 基礎模型。

如果您移除 SageMaker 公用模型集線器的存取權，而使用者只能存取一個私人集線器，則當使用者在 Studio 的左側導覽窗格JumpStart中選擇時，會直接進入該私人集線器。如果使用者可以存取多個私人集線器，則當使用者在 Studio 的左側導覽窗格JumpStart中選擇時，會將使用者帶到集線器功能表頁面。

使用下列內嵌原則移除使用者對 SageMaker 公用模型中樞的存取權：

注意

您可以在以下政策中指定希望集線器存取的任何其他 Amazon S3 儲存貯體。一定要更換 REGION 與您的集線器的區域。


{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": "s3:*",
            "Effect": "Deny",
            "NotResource": [
                "arn:aws:s3:::jumpstart-cache-prod-REGION/*.ipynb",
                "arn:aws:s3:::jumpstart-cache-prod-REGION/*eula*",
                "Additional-S3-bucket-ARNs-as-needed" 
            ],
        },
        {
            "Action": "sagemaker:*",
            "Effect": "Deny",
            "Resource": [
                "arn:aws:sagemaker:REGION:aws:hub/SageMakerPublicHub",
                "arn:aws:sagemaker:REGION:aws:hub-content/SageMakerPublicHub/*/*"
            ]
        }
    ]
}

刪除私人中樞

您可以從管理員帳戶刪除私人中樞。刪除私人中樞之前，您必須先移除該中樞中的任何內容。使用以下命令刪除 Hub 內容和集線器：


# List the model references in the private hub
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"])

# Delete all model references in the hub
for model in models:
    hub.delete_model_reference(model_name=model.get('HubContentName'))

# Delete the private hub
hub.delete()

故障診斷

疑難排解建立專用模型中樞時可能出現的IAM權限問題。

ValidationException調用CreateModel操作時：無法訪問模型數據

當您沒有為管理員角色設定適當的 Amazon S3 許可時，就會出現此例外狀況。如需建立私有中樞所需 Amazon S3 許可的詳細資訊，請參閱中的步驟 3 。

Access Denied或打電話Forbidden時 create()

如果您沒有存取與 SageMaker公有模型中樞關聯的 Amazon S3 儲存貯體的適當許可，則在建立私有中樞時，您將被拒絕存取。如需建立私有中樞所需 Amazon S3 許可的詳細資訊，請參閱中的步驟 3 。

支援的 AWS 地區

策劃的私人中心目前正式在以下 AWS 商業區域提供：

us-east-1
us-east-2
us-west-2
eu-west-1
eu-central-1
ap-northeast-1
ap-northeast-2
ap-south-1
ap-southeast-1
ap-southeast-2
il-central-1（僅）SDK

單一區域中允許的中樞預設數目上限為 50。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

存取控制

跨帳戶共享