Pulisci le risorse MLFlow

Ti consigliamo di eliminare tutte le risorse quando non ne hai più bisogno. Puoi eliminare i server di tracciamento tramite Amazon SageMaker Studio o utilizzando il AWS CLI. Puoi eliminare risorse aggiuntive come bucket Amazon S3, ruoli IAM e policy IAM utilizzando AWS CLI o direttamente nella console. AWS

Elimina i server di tracciamento

È possibile eliminare un server di tracciamento in Studio o utilizzando il AWS CLI.

Eliminare un server di tracciamento utilizzando Studio

Per eliminare un server di tracciamento in Studio:

1. Vai a Studio.

2. Scegli MLFlow nel riquadro Applicazioni dell'interfaccia utente di Studio.

3. Trova il server di tracciamento che preferisci nel riquadro MLFlow Tracking Servers. Scegli l'icona del menu verticale nell'angolo destro del riquadro del server di tracciamento. Quindi, scegli Elimina.

4. Scegli Elimina per confermare l'eliminazione.

Eliminare un server di tracciamento utilizzando il AWS CLI

Utilizza l'DeleteMLflowTrackingServerAPI per eliminare tutti i server di tracciamento che hai creato. Questa operazione potrebbe richiedere del tempo.

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

Per visualizzare lo stato del tuo server di tracciamento, utilizza l'DescribeMLflowTrackingServerAPI e controlla ilTrackingServerStatus.

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

Eliminare i bucket Amazon S3

Elimina qualsiasi bucket Amazon S3 utilizzato come archivio di artefatti per il tuo server di tracciamento utilizzando i seguenti comandi:

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

In alternativa, puoi eliminare un bucket Amazon S3 associato al tuo server di tracciamento direttamente nella console. AWS Per ulteriori informazioni, consulta Eliminazione di un bucket nella Guida per l'utente di Amazon S3.

Eliminare i modelli registrati

È possibile eliminare qualsiasi gruppo di modelli e versioni di modello creati con MLFlow direttamente in Studio. Per ulteriori informazioni, vedete Eliminare un gruppo di modelli ed Eliminare una versione del modello.

Eliminare esperimenti o esecuzioni

È possibile utilizzare MLFlow SDK per eliminare esperimenti o esecuzioni.

• mlflow.delete_experiment

• mlflow.delete_run