Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

MLflow Ressourcen bereinigen

Fokusmodus
MLflow Ressourcen bereinigen - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Wir empfehlen, alle Ressourcen zu löschen, wenn Sie sie nicht mehr benötigen. Sie können Tracking-Server über Amazon SageMaker Studio oder mit dem löschen AWS CLI. Sie können zusätzliche Ressourcen wie Amazon S3 S3-Buckets, IAM-Rollen und IAM-Richtlinien mithilfe der AWS CLI oder direkt in der Konsole löschen. AWS

Wichtig

Löschen Sie die IAM-Rolle, die Sie zum Erstellen verwendet haben, erst, wenn Sie den Tracking-Server selbst gelöscht haben. Andernfalls verlieren Sie den Zugriff auf den Tracking-Server.

Stoppen Sie die Serververfolgung

Wir empfehlen, Ihren Tracking-Server zu beenden, wenn er nicht mehr verwendet wird. Sie können einen Tracking-Server in Studio beenden oder den verwenden AWS CLI.

Stoppen Sie einen Tracking-Server mithilfe von Studio

So beenden Sie einen Tracking-Server in Studio:

  1. Navigieren Sie zu Studio.

  2. Wählen Sie MLflowim Bereich Anwendungen der Studio-Benutzeroberfläche.

  3. Suchen Sie im Bereich Tracking-Server nach dem MLflow Tracking-Server Ihrer Wahl. Wählen Sie das Stopp-Symbol in der rechten Ecke des Tracking-Serverfensters.

    Anmerkung

    Wenn Ihr Tracking-Server ausgeschaltet ist, sehen Sie das Startsymbol. Wenn der Tracking-Server eingeschaltet ist, sehen Sie das Stopp-Symbol.

Stoppen Sie einen Tracking-Server mit dem AWS CLI

Verwenden Sie den folgenden Befehl AWS CLI, um den Tracking-Server mit dem zu beenden:

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

Verwenden Sie den folgenden Befehl AWS CLI, um den Tracking-Server mit dem zu starten:

Anmerkung

Es kann bis zu 25 Minuten dauern, bis Ihr Tracking-Server gestartet ist.

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

Löschen Sie die Tracking-Server

Sie können einen Tracking-Server in Studio oder mit dem vollständig löschen AWS CLI.

Löschen Sie einen Tracking-Server mit Studio

Um einen Tracking-Server in Studio zu löschen:

  1. Navigieren Sie zu Studio.

  2. Wählen Sie MLflowim Bereich Anwendungen der Studio-Benutzeroberfläche.

  3. Suchen Sie im Bereich Tracking-Server nach dem MLflow Tracking-Server Ihrer Wahl. Wählen Sie das vertikale Menüsymbol in der rechten Ecke des Tracking-Serverfensters. Wählen Sie dann Löschen aus.

  4. Wählen Sie Löschen, um den Löschvorgang zu bestätigen.

Die Löschoption auf einer Tracking-Serverkarte im Bereich MLflow Tracking-Server der Studio-Benutzeroberfläche.

Löschen Sie einen Tracking-Server mit dem AWS CLI

Verwenden Sie die DeleteMLflowTrackingServer API, um alle Tracking-Server zu löschen, die Sie erstellt haben. Dies kann einige Zeit dauern.

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

Um den Status Ihres Tracking-Servers einzusehen, verwenden Sie die DescribeMLflowTrackingServer API und überprüfen Sie dieTrackingServerStatus.

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

Amazon S3 S3-Buckets löschen

Löschen Sie mit den folgenden Befehlen alle Amazon S3 S3-Buckets, die als Artefaktspeicher für Ihren Tracking-Server verwendet werden:

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

Sie können alternativ einen Amazon S3 S3-Bucket, der Ihrem Tracking-Server zugeordnet ist, direkt in der AWS Konsole löschen. Weitere Informationen finden Sie unter Löschen eines Buckets im Amazon S3 S3-Benutzerhandbuch.

Registrierte Modelle löschen

Sie können alle Modellgruppen und Modellversionen, die mit erstellt wurden, MLflow direkt in Studio löschen. Weitere Informationen finden Sie unter Löschen einer Modellgruppe und Löschen einer Modellversion.

Experimente oder Läufe löschen

Sie können das MLflow SDK verwenden, um Experimente oder Läufe zu löschen.

DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.