Nettoyage des ressources MLflow

Nous vous recommandons de supprimer toutes les ressources lorsque vous n'en avez plus besoin. Vous pouvez supprimer des serveurs de suivi via Amazon SageMaker Studio ou à l'aide du AWS CLI. Vous pouvez supprimer des ressources supplémentaires telles que les compartiments, les IAM rôles et les IAM politiques Amazon S3 à l'aide de AWS CLI ou directement dans la AWS console.

Important

Ne supprimez pas le IAM rôle que vous avez utilisé pour créer tant que vous n'avez pas supprimé le serveur de suivi lui-même. Dans le cas contraire, vous perdrez l'accès au serveur de suivi.

Arrêtez de suivre les serveurs

Nous vous recommandons d'arrêter votre serveur de suivi lorsqu'il n'est plus utilisé. Vous pouvez arrêter un serveur de suivi dans Studio ou à l'aide du AWS CLI.

Arrêter un serveur de suivi à l'aide de Studio

Pour arrêter un serveur de suivi dans Studio :

1. Accédez à Studio.

2. Choisissez MLflowdans le volet Applications de l'interface utilisateur de Studio.

3. Trouvez le serveur de suivi de votre choix dans le volet Serveurs MLflow de suivi. Cliquez sur l'icône Stop dans le coin droit du volet du serveur de suivi.

   Note

   Si votre serveur de suivi est éteint, l'icône Démarrer s'affiche. Si le serveur de suivi est activé, l'icône Stop s'affiche.

Arrêtez un serveur de suivi à l'aide du AWS CLI

Pour arrêter le serveur de suivi à l'aide du AWS CLI, utilisez la commande suivante :

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

Pour démarrer le serveur de suivi à l'aide de AWS CLI, utilisez la commande suivante :

Note

Le démarrage de votre serveur de suivi peut prendre jusqu'à 25 minutes.

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

Supprimer les serveurs de suivi

Vous pouvez supprimer complètement un serveur de suivi dans Studio ou à l'aide du AWS CLI.

Supprimer un serveur de suivi à l'aide de Studio

Pour supprimer un serveur de suivi dans Studio, procédez comme suit :

1. Accédez à Studio.

2. Choisissez MLflowdans le volet Applications de l'interface utilisateur de Studio.

3. Trouvez le serveur de suivi de votre choix dans le volet Serveurs MLflow de suivi. Choisissez l'icône du menu vertical dans le coin droit du volet du serveur de suivi. Ensuite, choisissez Supprimer.

4. Choisissez Supprimer pour confirmer la suppression.

Supprimez un serveur de suivi à l'aide du AWS CLI

Utilisez le DeleteMLflowTrackingServer API pour supprimer tous les serveurs de suivi que vous avez créés. Cela peut prendre un certain temps.

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

Pour consulter l'état de votre serveur de suivi, utilisez le DescribeMLflowTrackingServer API et cochez leTrackingServerStatus.

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

Supprimer les compartiments Amazon S3

Supprimez tout compartiment Amazon S3 utilisé comme magasin d'artefacts pour votre serveur de suivi à l'aide des commandes suivantes :

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

Vous pouvez également supprimer un compartiment Amazon S3 associé à votre serveur de suivi directement dans la AWS console. Pour plus d'informations, consultez la section Suppression d'un compartiment dans le guide de l'utilisateur Amazon S3.

Supprimer les modèles enregistrés

Vous pouvez supprimer tous les groupes de modèles et toutes les versions de modèles créés MLflow directement dans Studio. Pour plus d'informations, voir Supprimer un groupe de modèles et Supprimer une version de modèle.

Supprimer des expériences ou des essais

Vous pouvez utiliser le MLflow SDK pour supprimer des expériences ou des essais.

• mlflow.delete_experiment

• mlflow.delete_run