Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Akses hub model yang dikuratori di Amazon SageMaker JumpStart
<a name="jumpstart-curated-hubs-access-hubs"></a>

Anda dapat mengakses hub model pribadi baik melalui Studio atau melalui SageMaker Python SDK.

## Akses hub model pribadi Anda di Studio
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**penting**  
Pada 30 November 2023, pengalaman Amazon SageMaker Studio sebelumnya sekarang bernama Amazon SageMaker Studio Classic. Bagian berikut khusus untuk menggunakan pengalaman Studio yang diperbarui. Untuk informasi tentang menggunakan aplikasi Studio Classic, lihat[Amazon SageMaker Studio Klasik](studio.md).

Di Amazon SageMaker Studio, buka halaman JumpStart arahan baik melalui halaman **Beranda** atau menu **Beranda** di panel sisi kiri. Ini membuka halaman **SageMaker JumpStart**arahan tempat Anda dapat menjelajahi hub model dan mencari model.
+ Dari halaman **Beranda**, pilih **JumpStart**di panel **solusi bawaan dan otomatis**. 
+ Dari menu **Beranda** di panel kiri, arahkan ke **JumpStart**node.

Untuk informasi selengkapnya tentang memulai Amazon SageMaker Studio, lihat[SageMaker Studio Amazon](studio-updated.md).

Dari halaman **SageMaker JumpStart**landing di Studio, Anda dapat menjelajahi hub model pribadi apa pun yang menyertakan model yang diizinkan untuk organisasi Anda. Jika Anda hanya memiliki akses ke satu hub model, maka halaman **SageMaker JumpStart**arahan akan membawa Anda langsung ke hub itu. Jika Anda memiliki akses ke beberapa hub, Anda akan dibawa ke halaman **Hub.** 

Untuk informasi selengkapnya tentang fine-tuning, penerapan, dan evaluasi model yang dapat Anda akses di Studio, lihat. [Gunakan model pondasi di Studio](jumpstart-foundation-models-use-studio-updated.md)

## Akses hub model pribadi Anda menggunakan SageMaker Python SDK
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

Anda dapat mengakses hub model pribadi Anda menggunakan SageMaker Python SDK. Akses Anda untuk membaca, menggunakan, atau mengedit hub yang dikuratori disediakan oleh administrator Anda.

**catatan**  
Jika hub dibagi di seluruh akun, maka `HUB_NAME` harus menjadi hub ARN. Jika hub tidak dibagikan di seluruh akun, maka `HUB_NAME` bisa menjadi nama hub.

1. Instal SDK SageMaker Python dan impor paket Python yang diperlukan.

   ```
   # 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. Initalisasi sesi SageMaker AI dan sambungkan ke hub pribadi Anda menggunakan nama hub dan Wilayah.

   ```
   # 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. Setelah terhubung ke hub pribadi, Anda dapat mencantumkan semua model yang tersedia di hub itu menggunakan perintah berikut:

   ```
   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. Anda bisa mendapatkan informasi lebih lanjut tentang model tertentu menggunakan nama model dengan perintah berikut:

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

Untuk informasi selengkapnya tentang fine-tuning dan deploying model yang dapat Anda akses menggunakan Python SageMaker SDK, lihat. [Gunakan model foundation dengan SageMaker Python SDK](jumpstart-foundation-models-use-python-sdk.md)