本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 访问 Amazon 中精心策划的模型中心 SageMaker JumpStart
<a name="jumpstart-curated-hubs-access-hubs"></a>

你可以通过 Studio 或 SageMaker Python SDK 访问私有模型中心。

## 访问 Studio 中的私有模型中心
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**重要**  
截至 2023 年 11 月 30 日，之前的亚马逊 SageMaker Studio 体验现在被命名为 Amazon St SageMaker udio Classic。以下部分专门介绍如何使用更新后的 Studio 体验。有关使用 Studio Classic 应用程序的信息，请参阅 [亚马逊 SageMaker Studio 经典版](studio.md)。

**在 Amazon SageMaker Studio 中，通过左侧面板上的**主页或主页**菜单打开 JumpStart 登录页面。**这将打开**SageMaker JumpStart**登录页面，您可以在其中浏览模型中心并搜索模型。
+ 在 “**主页**” 页面中，**JumpStart**在 “**预构建和自动解决方案**” 窗格中进行选择。
+ 从左侧面板的 “**主页**” 菜单中导航到该**JumpStart**节点。

有关开始使用 Amazon SageMaker Studio 的更多信息，请参阅[亚马逊 SageMaker Studio](studio-updated.md)。

在 Studio 的**SageMaker JumpStart**登录页面上，您可以浏览任何包含贵组织允许名单模型的私有模型中心。如果您只能访问一个模型中心，则**SageMaker JumpStart**登录页面会将您直接带到该中心。如果您有权访问多个中心，则会进入**中心**页面。

有关微调、部署和评估可以在 Studio 中访问的模型的更多信息，请参阅 [在 Studio 中使用基础模型](jumpstart-foundation-models-use-studio-updated.md)。

## 使用 SageMaker Python 软件开发工具包访问你的私有模型中心
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

你可以使用 SageMaker Python 软件开发工具包访问你的私有模型中心。您的管理员提供您读取、使用或编辑策管的中心的权限。

**注意**  
如果中心是跨账户共享的，则 `HUB_NAME` 必须是中心 ARN。如果中心不是跨账户共享的，则 `HUB_NAME` 可以是中心名称。

1. 安装 SageMaker Python 软件开发工具包并导入必要的 Python 软件包。

   ```
   # 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. 初始化 A SageMaker I 会话并使用集线器名称和区域连接到您的私有集线器。

   ```
   # 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. 连接到私有中心后，您可以使用以下命令列出此中心中的所有可用模型：

   ```
   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. 您可以使用以下命令，通过模型名称获取特定模型的更多信息：

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

有关微调和部署您可以使用 SageMaker Python SDK 访问的模型的更多信息，请参阅[在 SageMaker Python SDK 中使用基础模型](jumpstart-foundation-models-use-python-sdk.md)。