Accesso a hub di modelli selezionati in Amazon SageMaker JumpStart - Amazon SageMaker AI
Accesso all’hub di modelli privato in StudioAccesso all’hub di modelli privato utilizzando SageMaker Python SDK

Accesso a hub di modelli selezionati in Amazon SageMaker JumpStart

Puoi accedere a un hub di modelli privato tramite Studio o SageMaker Python SDK.

Accesso all’hub di modelli privato in Studio

Importante

A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio ha cambiato nome in Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’esperienza Studio aggiornata. Per informazioni sull’utilizzo dell’applicazione Studio Classic, consulta Amazon SageMaker Studio Classic.

In Amazon SageMaker Studio, aprire la pagina di destinazione JumpStart tramite la pagina Home o il menu Home sul pannello sinistro. Si apre la pagina di destinazione SageMaker JumpStart, in cui è possibile esplorare gli hub di modelli e cercare modelli.

  • Nella pagina Home, scegliere JumpStart nel pannello Soluzioni predefinite e automatizzate.

  • Dal menu Home nel pannello a sinistra, vai al nodo JumpStart.

Per ulteriori informazioni su come iniziare a utilizzare Amazon SageMaker Studio, consulta Amazon SageMaker Studio.

Nella pagina di destinazione di SageMaker JumpStart in Studio, puoi esplorare qualsiasi hub di modelli privato che includa modelli consentiti per la tua organizzazione. Se hai accesso a un solo hub di modelli, la pagina di destinazione di SageMaker JumpStart ti porta direttamente all’hub. Se hai accesso a più hub, ti indirizza invece alla pagina Hub.

Per ulteriori informazioni sul fine-tuning, l’implementazione e la valutazione dei modelli a cui hai accesso in Studio, consulta Utilizzo dei modelli di fondazione in Studio.

Accesso all’hub di modelli privato utilizzando SageMaker Python SDK

Puoi accedere all’hub di modelli privato utilizzando SageMaker Python SDK. L’accesso per lettura, utilizzo o modifica dell’hub selezionato è fornito dall’amministratore.

Nota

Se un hub è condiviso tra più account, l’ARN dell’hub deve essere HUB_NAME. Se un hub non è condiviso tra più account, il nome dell’hub può essere HUB_NAME.

  1. Installa SageMaker Python SDK e importa i pacchetti Python necessari.

    # 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. Inizializza una sessione di SageMaker AI e connettiti al tuo hub privato utilizzando il nome e la Regione dell’hub.

    # 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. Dopo la connessione a un hub privato, è possibile elencare tutti i modelli disponibili in quell’hub utilizzando i seguenti comandi:

    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. Per ottenere ulteriori informazioni su un modello specifico, utilizza il nome del modello con il seguente comando:

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

Per ulteriori informazioni sul fine-tuning e sull’implementazione dei modelli a cui puoi accedere utilizzando SageMaker Python SDK, consulta Utilizzo dei modelli di fondazione con SageMaker Python SDK.