Limpie los recursos de MLflow

Recomendamos eliminar todos los recursos cuando ya no los necesite. Puede eliminar los servidores de seguimiento a través de Amazon SageMaker Studio o utilizando el AWS CLI. Puede eliminar recursos adicionales, como los buckets de Amazon S3, las funciones de IAM y las políticas de IAM, mediante la consola AWS CLI o directamente en ella. AWS

Elimine los servidores de seguimiento

Puede eliminar un servidor de seguimiento en Studio o mediante el AWS CLI.

Eliminar un servidor de seguimiento mediante Studio

Para eliminar un servidor de seguimiento en Studio:

1. Vaya a Studio.

2. Elija MLflow en el panel de aplicaciones de la interfaz de usuario de Studio.

3. Busque el servidor de rastreo que prefiera en el panel Servidores de rastreo de MLflow. Elija el icono del menú vertical en la esquina derecha del panel del servidor de rastreo. A continuación, elija Eliminar.

4. Seleccione Eliminar para confirmar la eliminación.

Elimine un servidor de seguimiento mediante el AWS CLI

Usa la DeleteMLflowTrackingServer API para eliminar cualquier servidor de seguimiento que hayas creado. Esto puede llevar algún tiempo.

aws sagemaker delete-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Para ver el estado de tu servidor de seguimiento, utiliza la DescribeMLflowTrackingServer API y comprueba laTrackingServerStatus.

aws sagemaker describe-mlflow-tracking-server \
  --tracking-server-name $ts_name \
  --region $region

Eliminar buckets de Amazon S3

Elimine cualquier bucket de Amazon S3 que se utilice como almacén de artefactos para su servidor de rastreo mediante los siguientes comandos:

aws s3 rm s3://$bucket_name --recursive
aws s3 rb s3://$bucket_name

También puede eliminar un bucket de Amazon S3 asociado a su servidor de seguimiento directamente en la AWS consola. Para obtener más información, consulte Eliminar un bucket en la Guía del usuario de Amazon S3.

Elimine los modelos registrados

Puede eliminar cualquier grupo de modelos y versiones de modelos creados con MLflow directamente en Studio. Para obtener más información, consulte Eliminar un grupo de modelos y Eliminar una versión de modelo.

Elimine experimentos o ejecuciones

Puede usar el SDK de MLflow para eliminar experimentos o ejecuciones.

• mlflow.delete_experiment

• mlflow.delete_run