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

# Tambahkan model ke hub pribadi
<a name="jumpstart-curated-hubs-admin-guide-add-models"></a>

Setelah membuat hub pribadi, Anda kemudian dapat menambahkan model yang diizinkan. Untuk daftar lengkap JumpStart model yang tersedia, lihat [Algoritma Bawaan dengan Tabel Model yang telah dilatih sebelumnya dalam referensi](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html) SageMaker Python SDK.

1. Anda dapat memfilter melalui model yang tersedia secara terprogram menggunakan metode ini`hub.list_sagemaker_public_hub_models()`. Anda dapat secara opsional memfilter berdasarkan kategori seperti framework (`"framework == pytorch"`), tugas seperti klasifikasi gambar (`"task == ic"`), dan banyak lagi. Untuk informasi lebih lanjut tentang filter, lihat [https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/jumpstart/notebook_utils.py](https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/jumpstart/notebook_utils.py). Parameter filter dalam `hub.list_sagemaker_public_hub_models()` metode ini adalah opsional. 

   ```
   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)
   ```

1. Anda kemudian dapat menambahkan model yang difilter dengan menentukan model ARN dalam `hub.create_model_reference()` metode.

   ```
   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"))
   ```