As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Acesse hubs de modelos selecionados na Amazon SageMaker JumpStart
<a name="jumpstart-curated-hubs-access-hubs"></a>

Você pode acessar um hub de modelo privado por meio do Studio ou do SDK do SageMaker Python.

## Acesse seu hub de modelos privados no Studio
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**Importante**  
Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica ao uso da experiência atualizada do Studio. Para obter informações sobre como usar a aplicação do Studio Classic, consulte [Amazon SageMaker Studio Clássico](studio.md).

No Amazon SageMaker Studio, abra a página JumpStart inicial por meio da página **inicial** ou do menu **inicial** no painel do lado esquerdo. Isso abre a página **SageMaker JumpStart**inicial, na qual você pode explorar os hubs de modelos e pesquisar modelos.
+ Na página **inicial**, escolha **JumpStart**no painel **Soluções pré-construídas e automatizadas**. 
+ No menu **Início**, no painel esquerdo, navegue até o **JumpStart**nó.

Para obter mais informações sobre como começar a usar o Amazon SageMaker Studio, consulte[SageMaker Estúdio Amazon](studio-updated.md).

Na página **SageMaker JumpStart**inicial do Studio, você pode explorar quaisquer hubs de modelos privados que incluam modelos listados como permitidos para sua organização. Se você tiver acesso apenas a um hub de modelos, a página de **SageMaker JumpStart**destino o levará diretamente para esse hub. Se você tiver acesso a vários hubs, você será direcionado para a página **Hubs**. 

Para obter mais informações sobre como ajustar, implantar e avaliar modelos aos quais você tem acesso no Studio, consulte [Usar modelos de base no Studio](jumpstart-foundation-models-use-studio-updated.md).

## Acesse seu hub de modelo privado usando o SDK do SageMaker Python
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

Você pode acessar seu hub de modelo privado usando o SDK do SageMaker Python. Seu acesso de leitura, uso e edição do hub selecionado é fornecido pelo seu administrador.

**nota**  
Se um hub for compartilhado entre contas, o `HUB_NAME` deverá ser o ARN do hub. Se um hub não for compartilhado entre contas, o `HUB_NAME` poderá ser o nome do hub.

1. Instale o SDK do SageMaker Python e importe os pacotes necessários do Python.

   ```
   # 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. Inicialize uma sessão de SageMaker IA e conecte-se ao seu hub privado usando o nome do hub e a região.

   ```
   # 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. Após conectar-se a um hub privado, você pode listar todos os modelos disponíveis nesse hub usando os seguintes comandos:

   ```
   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. Você pode obter mais informações sobre um modelo específico usando o nome do modelo com o seguinte comando:

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

Para obter mais informações sobre como ajustar e implantar modelos aos quais você tem acesso usando o SDK do SageMaker Python, consulte. [Use modelos básicos com o SageMaker Python SDK](jumpstart-foundation-models-use-python-sdk.md)