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
你可以通过 Studio 或 SageMaker Python 访问私有模型中心SDK。
在 Studio 中访问你的私人模特中心
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,请参见亚马逊 SageMaker Studio 经典版。
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。
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集线器,则会进入集线器页面。
有关微调、部署和评估您可以在 Studio 中访问的模型的更多信息,请参阅在 Studio 中使用基础模型。
使用 SageMaker Python 访问你的私有模型中心 SDK
你可以使用 SageMaker Python 访问你的私有模型中心SDK。您的管理员提供您对策划中心的读取、使用或编辑权限。
注意
如果跨账户共享集线器,则HUB_NAME
必须是中心ARN。如果中心不是在账户之间共享的,则HUB_NAME
可以是中心名称。
-
安装 SageMaker Python SDK 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
-
使用集线器名称和 SageMaker 区域初始化会话并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) -
连接到专用集线器后,您可以使用以下命令列出该集线器中的所有可用型号:
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)
-
您可以使用模型名称和以下命令获取有关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 访问的模型的更多信息SDK,请参阅将基础模型与 SageMaker Python SDK。