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

# 프라이빗 허브에 모델 추가
<a name="jumpstart-curated-hubs-admin-guide-add-models"></a>

프라이빗 허브를 생성한 후 허용 목록에 있는 모델을 추가할 수 있습니다. 사용 가능한 JumpStart 모델의 전체 목록은 SageMaker Python SDK 참조의 [사전 훈련된 모델 테이블이 있는 내장 알고리즘](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html)을 참조하세요.

1. `hub.list_sagemaker_public_hub_models()` 메서드를 사용하여 프로그래밍 방식으로 사용 가능한 모델을 필터링할 수 있습니다. 프레임워크(`"framework == pytorch"`), 이미지 분류(`"task == ic"`) 등의 작업 등을 기준으로 필터링할 수 있습니다. 필터에 대한 자세한 내용은 [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)섹션을 참조하세요. `hub.list_sagemaker_public_hub_models()` 메서드의 필터링 파라미터는 선택 사항입니다.

   ```
   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. 그런 다음 `hub.create_model_reference()` 메서드에서 모델 ARN을 지정하여 필터링된 모델을 추가할 수 있습니다.

   ```
   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"))
   ```