Acceso a centros de modelos seleccionados en Amazon SageMaker JumpStart - Amazon SageMaker AI
Acceso al centro privado de modelos en StudioAcceso a un centro privado de modelos mediante SageMaker Python SDK

Acceso a centros de modelos seleccionados en Amazon SageMaker JumpStart

Puede acceder a un centro de modelos privado a través de Studio o de SageMaker Python SDK.

Acceso al centro privado de modelos en Studio

importante

A partir del 30 de noviembre de 2023, la experiencia anterior de Amazon SageMaker Studio pasa a denominarse Amazon SageMaker Studio Classic. La siguiente sección está dedicada expresamente al uso de la experiencia de Studio actualizada. Para obtener más información sobre el uso de la aplicación de Studio Classic, consulte Amazon SageMaker Studio Classic.

En Amazon SageMaker Studio, abra la página de inicio de JumpStart desde la página de Inicio o desde el menú Inicio del panel izquierdo. Se abrirá la página de inicio de SageMaker JumpStart, donde podrá explorar los centros de modelos y buscar modelos.

  • En la página Inicio, elija JumpStart en el panel Soluciones prediseñadas y automatizadas.

  • En el menú Inicio del panel de la izquierda, diríjase al nodo JumpStart.

Para obtener más información sobre cómo empezar a utilizar Amazon SageMaker Studio, consulte Amazon SageMaker Studio.

Desde la página de inicio de SageMaker JumpStart en Studio puede explorar cualquier centro privado de modelos que incluya modelos incluidos en la lista de permitidos para su organización. Si solo tiene acceso a un centro de modelos, la página de inicio de SageMaker JumpStart lo llevará directamente a ese centro. Si tiene acceso a varios centros, accederá a la página Centros.

Para obtener más información sobre el refinamiento, la implementación y la evaluación de modelos a los que tiene acceso en Studio, consulte Uso de los modelos fundacionales en Studio.

Acceso a un centro privado de modelos mediante SageMaker Python SDK

Puede acceder a un centro privado de modelos mediante SageMaker Python SDK. El administrador proporciona acceso de lectura, uso o edición del centro seleccionado.

nota

Si un centro se comparte entre cuentas, HUB_NAME debe ser el ARN del centro. Si un centro no se comparte entre cuentas, HUB_NAME puede ser el nombre del centro.

  1. Instale SageMaker Python SDK e importe los paquetes de Python necesarios.

    # 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. Inicie una sesión de SageMaker AI y conéctese al centro privado utilizando el nombre y la región del centro.

    # 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. Después de conectarse a un centro privado, puede ver todos los modelos disponibles en ese centro mediante los siguientes comandos:

    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. Puede obtener más información sobre un modelo específico utilizando el nombre del modelo con el siguiente comando:

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

Para obtener más información sobre el refinamiento y la implementación de modelos a los que tiene acceso mediante SageMaker Python SDK, consulte Uso de modelos fundacionales con el SageMaker Python SDK.