Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Menyebarkan model pondasi yang tersedia untuk umum dengan kelas `JumpStartModel`
<a name="jumpstart-foundation-models-use-python-sdk-model-class"></a>

Anda dapat menerapkan algoritme bawaan atau model yang telah dilatih sebelumnya ke titik akhir SageMaker AI hanya dalam beberapa baris kode menggunakan SDK. SageMaker Python

1. Pertama, temukan ID model untuk model pilihan Anda di [Built-in Algoritma dengan Tabel Model yang telah dilatih sebelumnya](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html).

1. Menggunakan ID model, tentukan model Anda sebagai JumpStart model.

   ```
   from sagemaker.jumpstart.model import JumpStartModel
   
   model_id = {{"huggingface-text2text-flan-t5-xl"}}
   my_model = JumpStartModel(model_id=model_id)
   ```

1. Gunakan `deploy` metode ini untuk menerapkan model Anda secara otomatis untuk inferensi. Dalam contoh ini, kami menggunakan model FLAN-T5 XL dariHugging Face.

   ```
   predictor = my_model.deploy()
   ```

1. Anda kemudian dapat menjalankan inferensi dengan model yang diterapkan menggunakan metode ini`predict`.

   ```
   question = {{"What is Southern California often abbreviated as?"}}
   response = predictor.predict(question)
   print(response)
   ```

**catatan**  
Contoh ini menggunakan model dasar FLAN-T5 XL, yang cocok untuk berbagai kasus penggunaan pembuatan teks termasuk menjawab pertanyaan, meringkas, pembuatan chatbot, dan banyak lagi. Untuk informasi selengkapnya tentang kasus penggunaan model, lihat[Model pondasi yang tersedia](jumpstart-foundation-models-latest.md).

Untuk informasi lebih lanjut tentang `JumpStartModel ` kelas dan parameternya, lihat [JumpStartModel](https://sagemaker.readthedocs.io/en/stable/api/inference/model.html#sagemaker.jumpstart.model.JumpStartModel).

## Periksa jenis contoh default
<a name="jumpstart-foundation-models-use-python-sdk-model-class-instance-types"></a>

Secara opsional, Anda dapat menyertakan versi model atau jenis instance tertentu saat menerapkan model yang telah dilatih sebelumnya menggunakan kelas. `JumpStartModel` Semua JumpStart model memiliki tipe instance default. Ambil jenis instance penerapan default menggunakan kode berikut:

```
from sagemaker import instance_types

instance_type = instance_types.retrieve_default(
    model_id=model_id,
    model_version=model_version,
    scope={{"inference"}})
print(instance_type)
```

Lihat semua tipe instance yang didukung untuk JumpStart model tertentu dengan `instance_types.retrieve()` metode.

## Gunakan komponen inferensi untuk menerapkan beberapa model ke titik akhir bersama
<a name="jumpstart-foundation-models-use-python-sdk-model-class-endpoint-types"></a>

Komponen inferensi adalah objek hosting SageMaker AI yang dapat Anda gunakan untuk menerapkan satu atau lebih model ke titik akhir untuk meningkatkan fleksibilitas dan skalabilitas. Anda harus mengubah `endpoint_type` agar JumpStart model Anda menjadi berbasis komponen inferensi daripada titik akhir berbasis model default. 

```
predictor = my_model.deploy(
    endpoint_name = {{'jumpstart-model-id-123456789012'}}, 
    endpoint_type = {{EndpointType.INFERENCE_COMPONENT_BASED}}
)
```

Untuk informasi lebih lanjut tentang membuat titik akhir dengan komponen inferensi dan penerapan model SageMaker AI, lihat. [Pemanfaatan sumber daya bersama dengan beberapa model](realtime-endpoints-deploy-models.md#deployed-shared-utilization)

## Periksa format inferensi input dan output yang valid
<a name="jumpstart-foundation-models-use-python-sdk-model-class-input-output"></a>

Untuk memeriksa format input dan output data yang valid untuk inferensi, Anda dapat menggunakan `retrieve_options()` metode dari `Serializers` dan `Deserializers` kelas.

```
print(sagemaker.serializers.retrieve_options(model_id=model_id, model_version=model_version))
print(sagemaker.deserializers.retrieve_options(model_id=model_id, model_version=model_version))
```

## Periksa konten yang didukung dan terima jenis
<a name="jumpstart-foundation-models-use-python-sdk-model-class-content-types"></a>

Demikian pula, Anda dapat menggunakan `retrieve_options()` metode ini untuk memeriksa konten yang didukung dan menerima jenis untuk model.

```
print(sagemaker.content_types.retrieve_options(model_id=model_id, model_version=model_version))
print(sagemaker.accept_types.retrieve_options(model_id=model_id, model_version=model_version))
```

Untuk informasi selengkapnya tentang utilitas, lihat [Utility API](https://sagemaker.readthedocs.io/en/stable/api/utility/index.html).