Creazione di un hub di modelli privato - Amazon SageMaker AI

Creazione di un hub di modelli privato

Utilizza la procedura seguente per creare un hub privato per gestire il controllo degli accessi ai modelli di fondazione di JumpStart preaddestrati per l’organizzazione. Per creare un hub di modelli, è necessario installare SageMaker Python SDK e configurare le autorizzazioni IAM necessarie.

Creazione di un hub privato

  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

  2. Inizializza una sessione di SageMaker AI.

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

  3. Configura i dettagli del tuo hub privato, come il nome dell’hub interno, il nome visualizzato dell’interfaccia utente e la descrizione dell’hub dell’interfaccia utente.

    Nota

    Se non specifichi un nome di bucket Amazon S3 durante la creazione dell’hub, il servizio hub SageMaker crea un nuovo bucket per tuo conto. Il nuovo bucket presenta la seguente struttura di denominazione: 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. Verifica che il tuo ruolo IAM di amministratore disponga delle autorizzazioni Amazon S3 necessarie per creare un hub privato. Se il tuo ruolo non dispone delle autorizzazioni necessarie, vai alla pagina Ruoli nella console IAM. Scegli il ruolo di amministratore, quindi seleziona Aggiungi autorizzazioni nel riquadro Policy di autorizzazione per creare una policy in linea con le seguenti autorizzazioni utilizzando l’editor 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. Crea un hub di modelli privato applicando le configurazioni della Fase 3 e utilizzando 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. Verifica la configurazione del nuovo hub privato con il seguente comando describe:

    hub.describe()