View a markdown version of this page

存取 Amazon SageMaker JumpStart 中的彙整模型中樞 - Amazon SageMaker AI
在 Studio 中存取私有模型中樞使用 SageMaker Python SDK 存取私有模型中樞

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

存取 Amazon SageMaker JumpStart 中的彙整模型中樞

您可以透過 Studio 或 SageMaker Python SDK 存取私有模型中樞。

在 Studio 中存取私有模型中樞

重要

自 2023 年 11 月 30 日起，先前的 Amazon SageMaker Studio 體驗現在名為 Amazon SageMaker Studio Classic。下節專門介紹如何使用更新的 Studio 體驗。如需使用 Studio Classic 應用程式的資訊，請參閱 Amazon SageMaker Studio Classic。

在 Amazon SageMaker Studio 中，透過首頁或左側面板的首頁功能表開啟 JumpStart 登陸頁面。這會開啟 SageMaker JumpStart 登陸頁面，您可以在其中探索模型中樞及搜尋模型。

  • 從首頁中，選擇預先建置和自動化解決方案窗格中的 JumpStart。

  • 從左側面板的首頁功能表中，導覽至 JumpStart 節點。

如需開始使用 Amazon SageMaker Studio 的詳細資訊，請參閱Amazon SageMaker Studio。

從 Studio 的 SageMaker JumpStart 登陸頁面，您可以探索包含您組織允許清單中模型的任何私有模型中樞。如果您只能存取一個模型中樞，則 SageMaker JumpStart 登陸頁面會直接帶您進入該中樞。如果您可存取多個中樞，則您會進入中樞頁面。

如需在 Studio 中微調、部署和評估您可存取之模型的詳細資訊，請參閱在 Studio 中使用基礎模型。

使用 SageMaker Python SDK 存取私有模型中樞

您可以使用 SageMaker Python SDK 存取私有模型中樞。您的管理員會提供您讀取、使用或編輯您彙整中樞的存取權。

注意

如果跨帳戶共中樞用，則 HUB_NAME 必須是中樞 ARN。如果未跨帳戶共用中樞，則 HUB_NAME 會是中樞名稱。

  1. 安裝 SageMaker Python SDK 並匯入必要的 Python 套件。

    # 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

  2. 初始化 SageMaker AI 工作階段，並使用中樞名稱和區域連線到您的私有中樞。

    # 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)

  3. 連線至私有中樞後，您可以使用下列命令列出該中樞中的所有可用模型：

    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)

  4. 您可以利用下列命令使用模型名稱取得特定模型的詳細資訊：

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

如需使用 SageMaker Python SDK 微調和部署您可存取模型的詳細資訊，請參閱搭配 SageMaker Python SDK 使用基礎模型。