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.

# MLflow Ressourcen bereinigen
<a name="mlflow-cleanup"></a>

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 gelöscht haben. Andernfalls verlieren Sie den Zugriff auf den Tracking-Server.

## Beenden des Tracking-Servers
<a name="mlflow-cleanup-stop-server"></a>

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

### Beenden eines Tracking-Servers in Studio
<a name="mlflow-cleanup-stop-server-ui"></a>

So beenden Sie einen Tracking-Server in Studio: 

1. Navigieren Sie zu Studio.

1. Wählen Sie **MLflow**im Bereich **Anwendungen** der Studio-Benutzeroberfläche.

1. Suchen Sie im Bereich Tracking-Server nach dem **MLflow Tracking-Server** Ihrer Wahl. Wählen Sie das **Stoppsymbol** in der rechten Ecke des Tracking-Server-Bereichs.
**Anmerkung**  
Wenn Ihr Tracking-Server **ausgeschaltet** ist, wird das **Startsymbol** angezeigt. Wenn der Tracking-Server **eingeschaltet** ist, wird das **Stoppsymbol** angezeigt.

### Stoppen Sie einen Tracking-Server mit dem AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

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 der Tracking-Server gestartet wird.

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

## Löschen von Tracking-Servern
<a name="mlflow-cleanup-delete-server"></a>

Sie können einen Tracking-Server in Studio oder über die AWS CLI vollständig löschen. 

### Löschen eines Tracking-Servers in Studio
<a name="mlflow-cleanup-delete-server-ui"></a>

So löschen Sie einen Tracking-Server in Studio: 

1. Navigieren Sie zu Studio.

1. Wählen Sie **MLflow**im Bereich **Anwendungen** der Studio-Benutzeroberfläche.

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

1. Um die Löschung zu bestätigen, klicken Sie auf **Löschen**.

![\[Die Löschoption auf einer Tracking-Serverkarte im Bereich MLflow Tracking-Server der Studio-Benutzeroberfläche.\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### Löschen Sie einen Tracking-Server mit dem AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

Verwenden Sie die `DeleteMLflowTrackingServer`-API, um alle Tracking-Server zu löschen, die Sie erstellt haben. Dieser Vorgang kann einige Zeit in Anspruch nehmen.

```
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 den `TrackingServerStatus`. 

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

## Löschen von Amazon-S3-Buckets
<a name="mlflow-cleanup-delete-bucket"></a>

Mit den folgenden Befehlen löschen Sie alle Amazon-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 Bucket](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html) im *Amazon-S3-Benutzerhandbuch*.

## Löschen registrierter Modelle
<a name="mlflow-cleanup-delete-bucket"></a>

Sie können alle Modellgruppen und Modellversionen, die mit erstellt wurden, MLflow direkt in Studio löschen. Weitere Informationen finden Sie unter [Löschen einer Modellgruppe](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html) und [Löschen einer Modellversion](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html).

## Löschen von Experimenten oder Läufen
<a name="mlflow-cleanup-delete-experiments"></a>

Sie können das MLflow SDK verwenden, um Experimente oder Läufe zu löschen.
+ [mlflow.delete\$1experiment](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_experiment)
+ [mlflow.delete\$1run](https://mlflow.org/docs/latest/python_api/mlflow.html?highlight=delete_experiment#mlflow.delete_run)