A Machine Learning Service-munkaterület adatainak exportálása vagy törlése
Az Azure Machine Learningben exportálhatja vagy törölheti a munkaterület adatait a portál grafikus felületével vagy a Python SDK-val. Ez a cikk mindkét lehetőséget ismerteti.
Megjegyzés
További információ a személyes adatok megtekintésével vagy törlésével kapcsolatban: Azure érintettek kérelmei a GDPR-rel kapcsolatban. A GDPR-ről további információt a Microsoft Adatvédelmi központ GDPR szakaszában és a Szolgáltatásmegbízhatósági portál GDPR szakaszában talál.
Megjegyzés
Ez a cikk a személyes adatok eszközről vagy szolgáltatásból való törlésének lépéseit ismerteti, és felhasználható a GDPR szerinti kötelezettségek támogatására. A GDPR-vel kapcsolatos általános információkért tekintse meg a Microsoft Adatvédelmi központ GDPR szakaszát és a Szolgáltatásmegbízhatósági portál GDPR szakaszát.
A munkaterület adatainak szabályozása
Az Azure Machine Learning által tárolt terméken belüli adatok exportálhatók és törölhetők. Adatokat exportálhat és törölhet a Azure Machine Learning stúdió, a parancssori felület és az SDK használatával. A telemetriai adatokhoz az Azure Adatvédelmi portálon keresztül is hozzáférhet.
Az Azure Machine Learningben a személyes adatok a feladatelőzmények dokumentumaiban szereplő felhasználói adatokból áll.
Az Azure-munkaterületek erőforráscsoportra támaszkodnak az Azure-megoldásokhoz kapcsolódó erőforrások tárolásához. Munkaterület létrehozásakor lehetősége van meglévő erőforráscsoportot használni, vagy újat létrehozni. Ezen az oldalon további információt talál az Azure-erőforráscsoportokról.
Magas szintű erőforrások törlése a portál használatával
Munkaterület létrehozásakor az Azure több erőforrást is létrehoz az erőforráscsoporton belül:
- Maga a munkaterület
- Egy tárfiókot
- Tárolóregisztrációs adatbázis
- Application Insights-példány
- Kulcstartó
Az erőforrások törléséhez jelölje ki őket a listából, és válassza a Törlés lehetőséget:
Fontos
Ha az erőforrás helyreállítható törlésre van konfigurálva, akkor az adatok csak akkor törlődnek, ha azt szeretné, hogy véglegesen törölje az erőforrást. További információért tekintse át a következő cikkeket:
Megnyílik egy megerősítést kérő párbeszédpanel, ahol megerősítheti a választási lehetőségeket.
A feladatelőzmények dokumentumai személyes felhasználói adatokat tartalmazhatnak. Ezeket a dokumentumokat a blobtároló tárfiókjában, almappákban /azureml
tárolja a rendszer. Az adatokat letöltheti és törölheti a portálról.
Gépi tanulási erőforrások exportálása és törlése a Azure Machine Learning stúdió használatával
Azure Machine Learning stúdió egységes nézetet biztosít a gépi tanulási erőforrásokról , például jegyzetfüzetekről, adategységekről, modellekről és feladatokról. Azure Machine Learning stúdió az adatok és kísérletek rekordjainak megőrzését hangsúlyozza. A számítási erőforrásokat – folyamatokat és számítási erőforrásokat – közvetlenül a böngészőben törölheti. Ezekhez az erőforrásokhoz lépjen a kérdéses erőforráshoz, és válassza a Törlés lehetőséget.
Törölheti az adategységek és az archív feladatok regisztrációját, de ezek a műveletek nem törlik az adatokat. Az adatok teljes eltávolításához az adategységek és a feladatadatok törlésére van szükség a tárolási szinten. A tárterületszint törlése a portálon történik a korábban leírtak szerint. Azure Machine Learning stúdió kezelheti az egyes törléseket. A feladat törlése törli a feladat adatait.
Azure Machine Learning stúdió képes kezelni a betanítási összetevők kísérleti feladatokból való letöltését. Válassza ki a megfelelő feladatot. Válassza a Kimenet + naplók lehetőséget, és keresse meg a letölteni kívánt összetevőket. Válassza a ... és a Letöltés lehetőséget, vagy válassza az Összes letöltése lehetőséget.
Regisztrált modell letöltéséhez lépjen a Modell lapra, és válassza a Letöltés lehetőséget.
Erőforrások exportálása és törlése a Python SDK használatával
Egy adott feladat kimeneteit a következőkkel töltheti le:
# 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)
A következő gépi tanulási erőforrások törölhetők a Python SDK-val:
Típus | Függvényhívás | Jegyzetek |
---|---|---|
Workspace |
delete |
A delete-dependent-resources törlés kaszkádolté |
Model |
delete |
|
ComputeTarget |
delete |
|
WebService |
delete |
Következő lépések
További információ a munkaterületek kezeléséről.