Création d’un hub de modèle privé - Amazon SageMaker AI

Création d’un hub de modèle privé

Utilisez les étapes suivantes pour créer un hub privé organisé afin de gérer le contrôle d’accès aux modèles de fondation JumpStart pré-entraînés pour votre organisation. Vous devez installer le kit SageMaker Python SDK et configurer les autorisations IAM nécessaires avant de créer un hub de modèles.

Création d’un hub privé

  1. Installez le kit SageMaker Python SDK et importez les packages Python nécessaires.

    # 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

  2. Initialisez une session SageMaker AI.

    sm_client = boto3.client('sagemaker')
session = Session(sagemaker_client=sm_client)
session.get_caller_identity_arn()

  3. Configurez les détails de votre hub privé, tels que son nom interne ainsi que son nom d’affichage et sa description dans l’interface utilisateur.

    Note

    Si vous ne spécifiez pas de nom de compartiment Amazon S3 lors de la création de votre hub, le service de hub SageMaker crée un nouveau compartiment en votre nom. Le nouveau compartiment a la structure de dénomination suivante : sagemaker-hubs-REGION-ACCOUNT_ID.

    HUB_NAME="Example-Hub"
HUB_DISPLAY_NAME="Example Hub UI Name"
HUB_DESCRIPTION="A description of the example private curated hub."
REGION="us-west-2"

  4. Vérifiez que votre rôle d’administrateur IAM dispose des autorisations Amazon S3 nécessaires pour créer un hub privé. Si ce n’est pas le cas, accédez à la page Rôles de la console IAM. Choisissez le rôle Administrateur, puis choisissez Ajouter des autorisations dans le panneau Politiques d’autorisations pour créer une politique en ligne avec les autorisations suivantes à l’aide de l’éditeur JSON :

    JSON
    {
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": [
                "s3:ListBucket",
                "s3:GetObject",
                "s3:GetObjectTagging"
            ],
            "Resource": [
                "arn:aws:s3:::jumpstart-cache-prod-REGION",
                "arn:aws:s3:::jumpstart-cache-prod-REGION/*"
            ],
            "Effect": "Allow"
        }
    ]
}

  5. Créez un hub de modèles privé à l’aide de vos configurations de l’étape 3 avec hub.create(). 

    hub = Hub(hub_name=HUB_NAME, sagemaker_session=session)

try:
# Create the private hub
  hub.create(
      description=HUB_DESCRIPTION,
      display_name=HUB_DISPLAY_NAME
  )
  print(f"Successfully created Hub with name {HUB_NAME} in {REGION}")
# Check that no other hubs with this internal name exist
except Exception as e:
  if "ResourceInUse" in str(e):
    print(f"A hub with the name {HUB_NAME} already exists in your account.")
  else:
    raise e

  6. Vérifiez la configuration de votre nouveau hub privé ave la commande suivante describe :

    hub.describe()