Aggiunta di modelli a un hub privato - Amazon SageMaker AI

Aggiunta di modelli a un hub privato

Dopo aver creato un hub privato, puoi aggiungere i modelli consentiti. Per l’elenco completo dei modelli di JumpStart disponibili, consulta la tabella degli algoritmi integrati con modelli preaddestrati nella documentazione di SageMaker Python SDK.

  1. È possibile filtrare i modelli disponibili a livello di codice utilizzando il metodo hub.list_sagemaker_public_hub_models(). Facoltativamente, puoi filtrare per categorie come framework ("framework == pytorch"), attività come la classificazione delle immagini ("task == ic") e altro. Per ulteriori informazioni sui filtri, consultare notebook_utils.py. Il parametro del filtro nel metodo hub.list_sagemaker_public_hub_models() è facoltativo. 

    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)

  2. È quindi possibile aggiungere i modelli filtrati specificando l’ARN del modello nel metodo hub.create_model_reference().

    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"))