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
<a name="jumpstart-curated-hubs-access-hubs"></a>

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
<a name="jumpstart-curated-hubs-user-guide-studio"></a>

**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](studio.md)。

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](studio-updated.md)。

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](jumpstart-foundation-models-use-studio-updated.md)。

## 使用 SageMaker Python SDK 存取私有模型中樞
<a name="jumpstart-curated-hubs-user-guide-sdk"></a>

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
   ```

1. 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)
   ```

1. 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)
   ```

1. 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](jumpstart-foundation-models-use-python-sdk.md)。