Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Limpieza de recursos de MLflow
Recomendamos eliminar los recursos cuando ya no los necesite. Puede eliminar los servidores de seguimiento a través de Amazon SageMaker Studio o mediante la AWS CLI. Puede eliminar recursos adicionales, como, por ejemplo, los buckets de Amazon S3, los roles de IAM y las políticas de IAM, mediante la AWS CLI o directamente en la consola de AWS.
importante
No elimine el rol de IAM que ha utilizado para la creación hasta que haya eliminado el propio servidor de seguimiento. De lo contrario, ya no podrá acceder al servidor de seguimiento.
Detención de servidores de seguimiento
Recomendamos detener el servidor de seguimiento cuando ya no esté en uso. Puede detener un servidor de seguimiento en Studio o mediante la AWS CLI.
Detención de un servidor de seguimiento mediante Studio
Para detener un servidor de seguimiento en Studio:
-
Vaya a Studio.
-
Elija MLflow en el panel Aplicaciones de la interfaz de usuario de Studio.
-
Busque el servidor de seguimiento que prefiera en el panel Servidores de seguimiento de MLflow. Elija el icono de Detener en la esquina derecha del panel del servidor de seguimiento.
nota
Si el servidor de seguimiento está Desactivado, aparecerá el icono de Iniciar. Si el servidor de seguimiento está Activado, aparecerá el icono de Detener.
Detención de un servidor de seguimiento mediante la AWS CLI
Para detener el servidor de seguimiento mediante la AWS CLI, use el comando siguiente:
aws sagemaker stop-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
Para iniciar el servidor de seguimiento mediante la AWS CLI, use el comando siguiente:
nota
El servidor de seguimiento puede tardar hasta 25 minutos en iniciarse.
aws sagemaker start-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
Eliminación de servidores de seguimiento
Puede eliminar por completo un servidor de seguimiento en Studio o mediante la AWS CLI.
Eliminación de un servidor de seguimiento mediante Studio
Para eliminar un servidor de seguimiento en Studio:
-
Vaya a Studio.
-
Elija MLflow en el panel Aplicaciones de la interfaz de usuario de Studio.
-
Busque el servidor de seguimiento que prefiera en el panel Servidores de seguimiento de MLflow. Elija el icono del menú vertical en la esquina derecha del panel del servidor de seguimiento. A continuación, elija Eliminar.
-
Elija Eliminar para confirmar la eliminación.
Eliminación de un servidor de seguimiento mediante la AWS CLI
Utilice la API DeleteMLflowTrackingServer para eliminar cualquier servidor de seguimiento que haya creado. Esto puede tardar cierto tiempo en completarse.
aws sagemaker delete-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
Para ver el estado del servidor de seguimiento, utilice la API DescribeMLflowTrackingServer y compruebe el valor de TrackingServerStatus.
aws sagemaker describe-mlflow-tracking-server \ --tracking-server-name$ts_name\ --region$region
Eliminación de buckets de Amazon S3
Elimine cualquier bucket de Amazon S3 utilizado como almacén de artefactos para el servidor de seguimiento 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 al servidor de seguimiento directamente en la consola de AWS. Para obtener más información, consulte Eliminar un bucket en la Guía del usuario de Amazon S3.
Eliminación de modelos registrados
Puede eliminar cualquier grupo y versión de modelos creados con MLflow directamente en Studio. Para obtener más información, consulte Delete a Model Group y Delete a Model Version.
Eliminación de experimentos o ejecuciones
Puede usar el MLflow SDK para eliminar experimentos o ejecuciones.
