기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Amazon SageMaker JumpStart에서 선별된 모델 허브 액세스
<a name="jumpstart-curated-hubs-access-hubs"></a>

Studio 또는 SageMaker Python SDK를 통해 프라이빗 모델 허브에 액세스할 수 있습니다.

## Studio에서 프라이빗 모델 허브에 액세스
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**중요**  
2023년 11월 30일부터 이전 Amazon SageMaker Studio 환경이 이제 Amazon SageMaker Studio Classic으로 지정되었습니다. 다음 섹션은 업데이트된 Studio 환경 사용에 해당합니다. Studio Classic 애플리케이션 사용에 대한 자세한 내용은 [Amazon SageMaker Studio Classic](studio.md) 섹션을 참조하세요.

Amazon SageMaker Studio에서 왼쪽 패널의 **홈** 페이지 또는 **홈** 메뉴를 통해 JumpStart 랜딩 페이지를 엽니다. 그러면 모델 허브를 탐색하고 모델을 검색할 수 있는 **SageMaker JumpStart** 랜딩 페이지가 열립니다.
+ **홈** 페이지의 **사전 빌드되고 자동화된 솔루션** 창에서 **JumpStart**를 선택합니다.
+ 왼쪽 패널의 **홈** 메뉴에서 **JumpStart** 노드로 이동합니다.

Amazon SageMaker Studio 시작하기에 대한 자세한 내용은 [Amazon SageMaker Studio](studio-updated.md) 섹션을 참조하세요.

Studio의 **SageMaker JumpStart** 랜딩 페이지에서 조직의 허용 모델이 포함된 프라이빗 모델 허브를 탐색할 수 있습니다. 하나의 모델 허브에만 액세스할 수 있는 경우 **SageMaker JumpStart** 랜딩 페이지에서 해당 허브로 직접 이동합니다. 여러 허브에 액세스할 수 있는 경우 **허브 **페이지로 이동합니다.

Studio에서 액세스할 수 있는 모델을 미세 조정, 배포 및 평가하는 방법에 대한 자세한 내용은 [Studio에서 파운데이션 모델 사용](jumpstart-foundation-models-use-studio-updated.md) 섹션을 참조하세요.

## SageMaker Python SDK를 사용하여 프라이빗 모델 허브에 액세스
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

SageMaker Python SDK를 사용하여 프라이빗 모델 허브에 액세스할 수 있습니다. 큐레이션된 허브를 읽거나 사용하거나 편집할 수 있는 액세스 권한은 관리자가 제공합니다.

**참고**  
허브가 계정 간에 공유되는 경우 `HUB_NAME`는 허브 ARN이어야 합니다. 허브가 계정 간에 공유되지 않는 경우 `HUB_NAME`가 허브 이름이 될 수 있습니다.

1. SageMaker Python SDK를 설치하고 필요한 Python 패키지를 가져옵니다.

   ```
   # 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. SageMaker AI 세션을 초기화하고 허브 이름과 리전을 사용하여 프라이빗 허브에 연결합니다.

   ```
   # 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. 프라이빗 허브에 연결한 후 다음 명령을 사용하여 해당 허브에서 사용 가능한 모든 모델을 나열할 수 있습니다.

   ```
   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. 다음 명령을 사용하여 모델 이름을 사용하여 특정 모델에 대한 자세한 정보를 얻을 수 있습니다.

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

SageMaker Python SDK를 사용하여 액세스할 수 있는 모델을 미세 조정하고 배포하는 방법에 대한 자세한 내용은 [SageMaker Python SDK로 파운데이션 모델 사용](jumpstart-foundation-models-use-python-sdk.md) 섹션을 참조하세요.