Export nebo odstranění dat pracovního prostoru služby Machine Learning Service

Článek
08/13/2023

Ve službě Azure Machine Learning můžete exportovat nebo odstranit data pracovního prostoru pomocí grafického rozhraní portálu nebo sady Python SDK. Tento článek popisuje obě možnosti.

Poznámka

Informace o zobrazení nebo odstranění osobních údajů najdete v tématu věnovaném žádostem subjektů údajů Azure podle GDPR. Další informace o GDPR najdete v části GDPR na webu Microsoft Trust Center a v části GDPR na portálu Service Trust Portal.

Poznámka

Tento článek obsahuje postup odstranění osobních údajů ze zařízení nebo služby a je možné ho použít k podpoře vašich povinností vyplývajících z GDPR. Obecné informace o GDPR najdete v části GDPR na webu Microsoft Trust Center a v části GDPR na portálu Service Trust Portal.

Řízení dat pracovního prostoru

Data v produktu, která Azure Machine Learning ukládá, je možné exportovat a odstranit. Data můžete exportovat a odstraňovat pomocí studio Azure Machine Learning, rozhraní příkazového řádku a sady SDK. Kromě toho můžete získat přístup k telemetrickým datům prostřednictvím portálu Azure Privacy Portal.

Ve službě Azure Machine Learning se osobní data skládají z informací o uživatelích v dokumentech historie úloh.

Pracovní prostor Azure spoléhá na skupinu prostředků , která uchovává související prostředky pro řešení Azure. Při vytváření pracovního prostoru máte možnost použít existující skupinu prostředků nebo vytvořit novou. Další informace o skupinách prostředků Azure najdete na této stránce .

Odstranění prostředků vysoké úrovně pomocí portálu

Když vytvoříte pracovní prostor, Azure v rámci této skupiny prostředků vytvoří několik prostředků:

Samotný pracovní prostor
Účet úložiště
Registr kontejneru
Instance Application Insights
Trezor klíčů

Pokud chcete tyto prostředky odstranit, vyberte je ze seznamu a zvolte Odstranit:

Důležité

Pokud je prostředek nakonfigurovaný pro obnovitelné odstranění, data se ve skutečnosti neodstraní, pokud volitelně nevyberete možnost trvalého odstranění prostředku. Další informace najdete v následujících článcích:

Otevře se potvrzovací dialogové okno, ve kterém můžete potvrdit své volby.

Dokumenty historie úloh můžou obsahovat osobní informace o uživateli. Tyto dokumenty jsou uložené v účtu úložiště v úložišti objektů blob v /azureml podsložkách. Data si můžete stáhnout a odstranit z portálu.

Export a odstranění prostředků strojového učení pomocí studio Azure Machine Learning

studio Azure Machine Learning poskytuje jednotné zobrazení prostředků strojového učení , například poznámkových bloků, datových prostředků, modelů a úloh. studio Azure Machine Learning klade důraz na zachování záznamu vašich dat a experimentů. Výpočetní prostředky – kanály a výpočetní prostředky – můžete odstranit přímo v prohlížeči. U těchto prostředků přejděte k příslušnému prostředku a zvolte Odstranit.

Můžete zrušit registraci datových prostředků a archivačních úloh, ale tyto operace data neodstraní. K úplnému odebrání dat vyžadují datové prostředky a data úloh odstranění na úrovni úložiště. K odstranění úrovně úložiště dochází na portálu, jak je popsáno výše. studio Azure Machine Learning může zpracovat individuální odstranění. Odstranění úlohy odstraní data této úlohy.

studio Azure Machine Learning může zpracovávat stahování trénovacích artefaktů z experimentálních úloh. Zvolte příslušnou úlohu. Zvolte Výstup a protokoly a přejděte ke konkrétním artefaktům, které chcete stáhnout. Zvolte ... a Stáhnout nebo vyberte Stáhnout vše.

Pokud si chcete stáhnout zaregistrovaný model, přejděte na Model a zvolte Stáhnout.

Export a odstranění prostředků pomocí sady Python SDK

Výstupy konkrétní úlohy si můžete stáhnout pomocí:

# Retrieved from Azure Machine Learning web UI
run_id = 'aaaaaaaa-bbbb-cccc-dddd-0123456789AB'
experiment = ws.experiments['my-experiment']
run = next(run for run in ex.get_runs() if run.id == run_id)
metrics_output_port = run.get_pipeline_output('metrics_output')
model_output_port = run.get_pipeline_output('model_output')

metrics_output_port.download('.', show_progress=True)
model_output_port.download('.', show_progress=True)

Pomocí sady Python SDK je možné odstranit následující prostředky strojového učení:

Typ	Volání funkce	Poznámky
`Workspace`	`delete`	Použití `delete-dependent-resources` k kaskádovém odstranění
`Model`	`delete`
`ComputeTarget`	`delete`
`WebService`	`delete`

Další kroky

Přečtěte si další informace o správě pracovního prostoru.

Share via