Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Bersihkan MLflow sumber daya

Mode fokus
Bersihkan MLflow sumber daya - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Kami merekomendasikan untuk menghapus sumber daya apa pun saat Anda tidak lagi membutuhkannya. Anda dapat menghapus server pelacak melalui Amazon SageMaker Studio atau menggunakan file AWS CLI. Anda dapat menghapus sumber daya tambahan seperti bucket Amazon S3, peran IAM, dan kebijakan IAM menggunakan AWS CLI atau langsung di konsol. AWS

penting

Jangan hapus peran IAM yang Anda gunakan untuk membuat sampai Anda menghapus server pelacakan itu sendiri. Jika tidak, Anda akan kehilangan akses ke server pelacak.

Berhenti melacak server

Sebaiknya hentikan server pelacakan Anda saat tidak lagi digunakan. Anda dapat menghentikan server pelacak di Studio atau menggunakan file AWS CLI.

Hentikan server pelacakan menggunakan Studio

Untuk menghentikan server pelacak di Studio:

  1. Arahkan ke Studio.

  2. Pilih MLflowdi panel Aplikasi UI Studio.

  3. Temukan server pelacak pilihan Anda di panel MLflow Pelacakan Server. Pilih ikon Stop di sudut kanan panel pelacakan server.

    catatan

    Jika server pelacak Anda Nonaktif, Anda akan melihat ikon Mulai. Jika server pelacak Aktif, Anda akan melihat ikon Berhenti.

Hentikan server pelacak menggunakan AWS CLI

Untuk menghentikan server pelacak menggunakan AWS CLI, gunakan perintah berikut:

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

Untuk memulai server pelacakan menggunakan AWS CLI, gunakan perintah berikut:

catatan

Mungkin diperlukan waktu hingga 25 menit untuk memulai server pelacakan Anda.

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

Hapus pelacak server

Anda dapat sepenuhnya menghapus server pelacak di Studio atau menggunakan file AWS CLI.

Menghapus server pelacak menggunakan Studio

Untuk menghapus server pelacak di Studio:

  1. Arahkan ke Studio.

  2. Pilih MLflowdi panel Aplikasi UI Studio.

  3. Temukan server pelacak pilihan Anda di panel MLflow Pelacakan Server. Pilih ikon menu vertikal di sudut kanan panel pelacakan server. Lalu, pilih Hapus.

  4. Pilih Hapus untuk mengonfirmasi penghapusan.

Opsi penghapusan pada kartu server pelacakan di panel MLflow Pelacakan Server UI Studio.

Hapus server pelacak menggunakan AWS CLI

Gunakan DeleteMLflowTrackingServer API untuk menghapus server pelacak apa pun yang Anda buat. Ini mungkin memakan waktu.

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

Untuk melihat status server pelacak Anda, gunakan DescribeMLflowTrackingServer API dan periksaTrackingServerStatus.

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

Hapus ember Amazon S3

Hapus bucket Amazon S3 yang digunakan sebagai penyimpanan artefak untuk server pelacakan Anda menggunakan perintah berikut:

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

Sebagai alternatif, Anda dapat menghapus bucket Amazon S3 yang terkait dengan server pelacakan Anda langsung di konsol. AWS Untuk informasi selengkapnya, lihat Menghapus bucket di Panduan Pengguna Amazon S3.

Hapus model terdaftar

Anda dapat menghapus grup model dan versi model apa pun yang dibuat MLflow langsung di Studio. Untuk informasi selengkapnya, lihat Menghapus Grup Model dan Menghapus Versi Model.

Hapus eksperimen atau jalankan

Anda dapat menggunakan MLflow SDK untuk menghapus eksperimen atau menjalankan.

PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.