Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Pulisci MLflow le risorse
<a name="mlflow-cleanup"></a>

Ti consigliamo di eliminare le risorse quando non sono più necessarie. 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 

**Importante**  
Non eliminare il ruolo IAM utilizzato per la creazione finché non hai eliminato il server di tracciamento stesso. In caso contrario, perderai l’accesso a tale server.

## Arresto dei server di tracciamento
<a name="mlflow-cleanup-stop-server"></a>

Ti consigliamo di arrestare il server di tracciamento quando non è più in uso. Puoi interrompere un server di tracciamento in Studio o utilizzare il. AWS CLI

### Arresto di un server di tracciamento utilizzando Studio
<a name="mlflow-cleanup-stop-server-ui"></a>

Per arrestare un server di tracciamento in Studio: 

1. Accedi a Studio.

1. Scegli **MLflow**nel riquadro **Applicazioni** dell'interfaccia utente di Studio.

1. Trova il server di tracciamento che preferisci nel riquadro **MLflow Tracking Servers**. Scegli l’icona **Interrompi** nell’angolo destro del riquadro del server di tracciamento.
**Nota**  
Se il server di tracciamento è **disattivato**, viene visualizzata l’icona **Avvia**. Se il server di tracciamento è **acceso**, viene visualizzata l’icona **Interrompi**.

### Arresta un server di tracciamento utilizzando il AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

Per interrompere l'utilizzo di da parte del server di tracciamento AWS CLI, utilizzate il seguente comando: 

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

Per avviare il server di tracciamento utilizzando il AWS CLI, utilizzate il seguente comando: 

**Nota**  
L’avvio del server di tracciamento può richiedere fino a 25 minuti.

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

## Eliminazione dei server di tracciamento
<a name="mlflow-cleanup-delete-server"></a>

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

### Eliminazione di un server di tracciamento utilizzando Studio
<a name="mlflow-cleanup-delete-server-ui"></a>

Per eliminare un server di tracciamento in Studio: 

1. Accedi a Studio.

1. Scegliete **MLflow**nel riquadro **Applicazioni** dell'interfaccia utente di Studio.

1. 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**. 

1. Scegli **Elimina** per confermare l’eliminazione.

![\[L'opzione di eliminazione su una scheda del server di tracciamento nel riquadro MLflow Tracking Servers dell'interfaccia utente di Studio.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### Eliminare un server di tracciamento utilizzando il AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

Utilizza l’API `DeleteMLflowTrackingServer` per eliminare tutti i server di tracciamento che hai creato. L’operazione potrebbe richiedere del tempo.

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

Per visualizzare lo stato del server di tracciamento, utilizza l’API `DescribeMLflowTrackingServer` e controlla lo `TrackingServerStatus`. 

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

## Eliminazione di bucket Amazon S3
<a name="mlflow-cleanup-delete-bucket"></a>

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](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html) nella *Guida per l’utente di Amazon S3*.

## Eliminazione di un modello registrato
<a name="mlflow-cleanup-delete-bucket"></a>

Puoi eliminare qualsiasi gruppo di modelli e versione di modello creati MLflow direttamente in Studio. Per ulteriori informazioni, consulta [Eliminazione di un gruppo di modelli](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html) ed [Eliminazione di una versione del modello](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html).

## Eliminazione di esperimenti o esecuzioni
<a name="mlflow-cleanup-delete-experiments"></a>

È possibile utilizzare l' MLflow SDK per eliminare esperimenti o esecuzioni.
+ [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)