在 Amazon SageMaker JumpStart 中存取精選模型中樞

您可以透過 Studio 或 SageMaker Python SDK 存取私有模型中樞。

在 Studio 中存取您的私有模型中樞

重要

截至 2023 年 11 月 30 日，先前的 Amazon SageMaker Studio 體驗現在已命名為 Amazon SageMaker Studio Classic。以下章節專用於使用更新的 Studio 體驗。如需有關使用 Studio Classic 應用程式的資訊，請參閱 Amazon SageMaker Studio Classic。

在 Amazon SageMaker Studio 中，透過首頁或左側面板的首頁功能表開啟 JumpStart 登陸頁面。這會開啟 SageMaker AI JumpStart 登陸頁面，您可以在其中探索模型中樞並搜尋模型。

• 在首頁中，在預先建置的自動化解決方案窗格中選擇 JumpStart。

• 從左側面板的主選單中，導覽至 JumpStart 節點。

如需 Amazon SageMaker Studio 入門的詳細資訊，請參閱Amazon SageMaker Studio。

從 Studio 的 SageMaker AI JumpStart 登陸頁面，您可以探索任何包含組織允許清單模型的私有模型中樞。如果您只能存取一個模型中樞，則 SageMaker AI JumpStart 登陸頁面會直接帶您進入該中樞。如果您可以存取多個中樞，系統會將您帶往中樞頁面。

如需在 Studio 中微調、部署和評估可存取之模型的詳細資訊，請參閱 在 Studio 中使用基礎模型。

使用 SageMaker Python SDK 存取您的私有模型中樞

您可以使用 SageMaker Python SDK 存取私有模型中樞。您的管理員會提供讀取、使用或編輯您策畫中樞的存取權。

注意

如果中樞在帳戶之間共用，則 HUB_NAME 必須是中樞 ARN。如果未跨帳戶共用集線器，則 HUB_NAME可以是集線器名稱。

1. 安裝 SageMaker Python SDK 並匯入必要的 Python 套件。

   # 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 SageMaker AI 工作階段，並使用中樞名稱和區域連接到您的私有中樞。

   # 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. 連線至私有中樞後，您可以使用下列命令列出該中樞中的所有可用模型：

   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. 您可以使用模型名稱搭配下列命令，取得特定模型的詳細資訊：

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

如需使用 SageMaker Python SDK 微調和部署可存取的模型的詳細資訊，請參閱 搭配 SageMaker Python SDK 使用基礎模型。