Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Acceda a centros de modelos seleccionados en Amazon SageMaker JumpStart
<a name="jumpstart-curated-hubs-access-hubs"></a>

Puede acceder a un centro de modelos privado a través de Studio o del SDK de SageMaker Python.

## Acceso al centro privado de modelos en Studio
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**importante**  
A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte [Amazon SageMaker Studio Clásico](studio.md).

En Amazon SageMaker Studio, abre la página de JumpStart destino desde la página de **inicio** o desde el menú de **inicio** del panel de la izquierda. Se abrirá la página de **SageMaker JumpStart**inicio, en la que podrás explorar los centros de modelos y buscar modelos.
+ En la página de **inicio**, seleccione **JumpStart**en el panel **Soluciones prediseñadas y automatizadas**. 
+ En el menú de **inicio** del panel izquierdo, navegue hasta el **JumpStart**nodo.

Para obtener más información sobre cómo empezar a utilizar Amazon SageMaker Studio, consulte[Amazon SageMaker Studio](studio-updated.md).

En la página de **SageMaker JumpStart**inicio de Studio, puede explorar cualquier centro de modelos privado que incluya modelos incluidos en la lista de permitidos para su organización. Si solo tienes acceso a un centro de modelos, la página de **SageMaker JumpStart**destino te llevará directamente a ese centro. Si tiene acceso a varios centros, accederá a la página **Centros**. 

Para obtener más información sobre el refinamiento, la implementación y la evaluación de modelos a los que tiene acceso en Studio, consulte [Uso de los modelos fundacionales en Studio](jumpstart-foundation-models-use-studio-updated.md).

## Acceda a su centro de modelos privado mediante el SDK de SageMaker Python
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

Puede acceder a su centro de modelos privado mediante el SDK de SageMaker Python. El administrador proporciona acceso de lectura, uso o edición del centro seleccionado.

**nota**  
Si un centro se comparte entre cuentas, `HUB_NAME` debe ser el ARN del centro. Si un centro no se comparte entre cuentas, `HUB_NAME` puede ser el nombre del centro.

1. Instale el SDK de SageMaker Python e importe los paquetes de Python necesarios.

   ```
   # 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
   ```

1. Inicie una sesión de SageMaker IA y conéctese a su centro privado con el nombre y la región del centro.

   ```
   # 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)
   ```

1. Después de conectarse a un centro privado, puede ver todos los modelos disponibles en ese centro mediante los siguientes 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)
   ```

1. Puede obtener más información sobre un modelo específico utilizando el nombre del modelo con el siguiente comando:

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

Para obtener más información sobre el ajuste y la implementación de modelos a los que tiene acceso mediante el SDK de SageMaker Python, consulte. [Utilice modelos básicos con el SDK SageMaker Python](jumpstart-foundation-models-use-python-sdk.md)