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.

# Limpie MLflow los recursos
<a name="mlflow-cleanup"></a>

Recomendamos eliminar los recursos cuando ya no los necesite. Puede eliminar los servidores de seguimiento a través de Amazon SageMaker Studio o mediante AWS CLI. Puede eliminar recursos adicionales, como los buckets de Amazon S3, las funciones de IAM y las políticas de IAM, mediante la consola AWS CLI o directamente en ella. 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
<a name="mlflow-cleanup-stop-server"></a>

Recomendamos detener el servidor de seguimiento cuando ya no esté en uso. Puede detener un servidor de seguimiento en Studio o mediante el. AWS CLI

### Detención de un servidor de seguimiento mediante Studio
<a name="mlflow-cleanup-stop-server-ui"></a>

Para detener un servidor de seguimiento en Studio: 

1. Vaya a Studio.

1. Elija **MLflow**en el panel **Aplicaciones** de la interfaz de usuario de Studio.

1. Busque el servidor de seguimiento que prefiera en el panel **Servidores MLflow de seguimiento**. 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**.

### Detenga un servidor de rastreo mediante el AWS CLI
<a name="mlflow-cleanup-stop-server-cli"></a>

Para detener el servidor de rastreo mediante el AWS CLI, utilice el siguiente comando: 

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

Para iniciar el servidor de rastreo mediante el AWS CLI, utilice el siguiente comando: 

**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
<a name="mlflow-cleanup-delete-server"></a>

Puede eliminar por completo un servidor de seguimiento en Studio o mediante la AWS CLI. 

### Eliminación de un servidor de seguimiento mediante Studio
<a name="mlflow-cleanup-delete-server-ui"></a>

Para eliminar un servidor de seguimiento en Studio: 

1. Vaya a Studio.

1. Elija **MLflow**en el panel **Aplicaciones** de la interfaz de usuario de Studio.

1. Busque el servidor de seguimiento que prefiera en el panel **Servidores MLflow de seguimiento**. Elija el icono del menú vertical en la esquina derecha del panel del servidor de seguimiento. A continuación, elija **Eliminar**. 

1. Elija **Eliminar** para confirmar la eliminación.

![\[La opción de borrado de una tarjeta de servidor de rastreo en el panel Servidores de MLflow rastreo de la interfaz de usuario de Studio.\]](http://docs.aws.amazon.com/es_es/sagemaker/latest/dg/images/mlflow/mlflow-studio-delete.png)


### Elimine un servidor de seguimiento mediante el AWS CLI
<a name="mlflow-cleanup-delete-server-cli"></a>

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
<a name="mlflow-cleanup-delete-bucket"></a>

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 a su servidor de seguimiento directamente en la AWS consola. Para obtener más información, consulte [Eliminar un bucket](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-bucket.html) en la *Guía del usuario de Amazon S3*.

## Eliminación de modelos registrados
<a name="mlflow-cleanup-delete-bucket"></a>

Puede eliminar cualquier grupo de modelos y versiones de modelos con los que se haya creado MLflow directamente en Studio. Para obtener más información, consulte [Delete a Model Group](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-group.html) y [Delete a Model Version](https://docs.aws.amazon.com/sagemaker/latest/dg/model-registry-delete-model-version.html).

## Eliminación de experimentos o ejecuciones
<a name="mlflow-cleanup-delete-experiments"></a>

Puedes usar el MLflow SDK para eliminar experimentos o ejecuciones.
+ [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)