Exportera eller ta bort dina arbetsytedata för Mašinsko učenje-tjänsten

I Azure Mašinsko učenje kan du exportera eller ta bort dina arbetsytedata med antingen portalens grafiska gränssnitt eller Python SDK. I den här artikeln beskrivs båda alternativen.

Kontrollera dina arbetsytedata

Azure Mašinsko učenje lagrar produktdata som är tillgängliga för export och borttagning. Du kan exportera och ta bort data med Azure Mašinsko učenje studio, CLI eller SDK. Dessutom kan du komma åt telemetridata via Azure Privacy Portal.

I Azure Mašinsko učenje består personuppgifter av användarinformation i jobbhistorikdokument.

En Azure-arbetsyta förlitar sig på en resursgrupp för att lagra relaterade resurser för en Azure-lösning. När du skapar en arbetsyta kan du antingen använda en befintlig resursgrupp eller skapa en ny. Besök den här resursen om du vill ha mer information om Azure-resursgrupper.

Ta bort resurser på hög nivå med hjälp av portalen

När du skapar en arbetsyta skapar Azure flera resurser i resursgruppen:

• Själva arbetsytan
• Ett lagringskonto
• Ett containerregister
• En Application Insights-instans
• Ett nyckelvalv

Om du vill ta bort dessa resurser väljer du dem i listan och väljer Ta bort:

En bekräftelsedialogruta öppnas där du kan bekräfta dina val.

Jobbhistorikdokument kan innehålla personlig användarinformation. Dessa dokument lagras i lagringskontot i Blob Storage, i /azureml undermappar. Du kan ladda ned och ta bort data från portalen. Välj först Azure-tjänsterna för lagringskonton i Azure-portalen, som du ser i den här skärmbilden:

På sidan Lagringskonton väljer du det relevanta lagringskontot, som du ser i den här skärmbilden:

Välj Containrar enligt den här skärmbilden:

Välj en specifik container, som du ser i den här skärmbilden:

I containern väljer du och tar bort den resurs eller de resurser som du vill ta bort, som du ser i den här skärmbilden:

Exportera och ta bort maskininlärningsresurser med Hjälp av Azure Mašinsko učenje studio

Azure Mašinsko učenje Studio ger en enhetlig vy över dina maskininlärningsresurser – till exempel datatillgångar, modeller, notebook-filer och jobb. Azure Mašinsko učenje Studio betonar bevarandet av en post med dina data och experiment. Du kan ta bort beräkningsresurser – pipelines och beräkningsresurser – direkt i webbläsaren. För dessa resurser navigerar du till den aktuella resursen och väljer Ta bort.

Du kan avregistrera datatillgångar och arkivera jobb, men dessa åtgärder tar inte bort data. Om du vill ta bort data helt måste datatillgångar och jobbdata tas bort på lagringsnivå. Borttagning på lagringsnivå sker i portalen enligt beskrivningen tidigare. Azure Mašinsko učenje Studio kan hantera individuell borttagning. Jobbborttagning tar bort data för jobbet.

Artefakt- och loggnedladdningar av jobb

Azure Mašinsko učenje Studio kan hantera träningsartefakter och loggnedladdningar från experimentella jobb. På huvudsidan för Azure Mašinsko učenje Studio väljer du Jobb enligt den här skärmbilden:

Om du vill visa tillgängliga jobb väljer du fliken Alla jobb enligt den här skärmbilden:

Välj ett specifikt jobb, som du ser i den här skärmbilden:

Välj Ladda ned alla, som du ser i den här skärmbilden:

Ladda ned en registrerad modell

Om du vill ladda ned en registrerad modell väljer du Modeller för att öppna modelllistan i Azure Mašinsko učenje studio och väljer sedan en specifik modell, som du ser i den här skärmbilden:

Välj Ladda ned alla för att starta nedladdningsprocessen för modellen, som du ser i den här skärmbilden:

# 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)

Nästa steg

Läs mer om att hantera arbetsytor