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。

# 將模型新增至私有中樞
<a name="jumpstart-curated-hubs-admin-guide-add-models"></a>

建立私有中樞之後，您就可以新增允許清單中的模型。如需可用 JumpStart 模型的完整清單，請參閱 SageMaker Python SDK 參考中的[具備預先訓練模型表的內建演算法](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html)。

1. 您可以使用 `hub.list_sagemaker_public_hub_models()` 方法，以程式設計方式篩選可用的模型。您可以選擇依據架構 (`"framework == pytorch"`)、如影像分類 (`"task == ic"`) 等任務等等類別進行篩選。如需篩選條件的詳細資訊，請參閱[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)。`hub.list_sagemaker_public_hub_models()` 方法中的篩選參數為選擇性。

   ```
   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. 接著，您可以透過在 `hub.create_model_reference()` 方法中指定模型 ARN，來新增篩選的模型。

   ```
   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"))
   ```