Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Accedi a hub di modelli selezionati su Amazon SageMaker JumpStart
<a name="jumpstart-curated-hubs-access-hubs"></a>

Puoi accedere a un hub di modelli privato tramite Studio o tramite SageMaker Python SDK.

## Accesso all’hub di modelli privato in Studio
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**Importante**  
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta [Amazon SageMaker Studio Classic](studio.md).

In Amazon SageMaker Studio, apri la pagina di JumpStart destinazione tramite la **Home** page o il menu **Home** nel pannello a sinistra. Si apre la pagina di **SageMaker JumpStart**destinazione in cui puoi esplorare gli hub dei modelli e cercare modelli.
+ Dalla **home** page, scegliete **JumpStart**nel riquadro **Soluzioni predefinite e automatizzate**. 
+ Dal menu **Home** nel pannello di sinistra, vai al **JumpStart**nodo.

Per ulteriori informazioni su come iniziare a usare Amazon SageMaker Studio, consulta[Amazon SageMaker Studio](studio-updated.md).

Dalla pagina di **SageMaker JumpStart**destinazione di Studio, puoi esplorare qualsiasi hub di modello privato che includa modelli consentiti per la tua organizzazione. Se hai accesso a un solo hub modello, la pagina di **SageMaker JumpStart**destinazione ti porta direttamente a quell'hub. Se hai accesso a più hub, ti indirizza invece alla pagina **Hub**. 

Per ulteriori informazioni sul fine-tuning, l’implementazione e la valutazione dei modelli a cui hai accesso in Studio, consulta [Utilizzo dei modelli di fondazione in Studio](jumpstart-foundation-models-use-studio-updated.md).

## Accedi al tuo hub modello privato utilizzando l' SageMaker SDK Python
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

Puoi accedere al tuo hub modello privato utilizzando l'SDK SageMaker Python. L’accesso per lettura, utilizzo o modifica dell’hub selezionato è fornito dall’amministratore.

**Nota**  
Se un hub è condiviso tra più account, l’ARN dell’hub deve essere `HUB_NAME`. Se un hub non è condiviso tra più account, il nome dell’hub può essere `HUB_NAME`.

1. Installa SageMaker Python SDK e importa i pacchetti Python necessari.

   ```
   # 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. Inizializza una sessione SageMaker AI e connettiti al tuo hub privato utilizzando il nome e la regione dell'hub.

   ```
   # 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. Dopo la connessione a un hub privato, è possibile elencare tutti i modelli disponibili in quell’hub utilizzando i seguenti comandi:

   ```
   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. Per ottenere ulteriori informazioni su un modello specifico, utilizza il nome del modello con il seguente comando:

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

Per ulteriori informazioni sulla messa a punto e sulla distribuzione dei modelli a cui hai accesso utilizzando Python SageMaker SDK, consulta. [Usa i modelli di base con l'SDK SageMaker Python](jumpstart-foundation-models-use-python-sdk.md)