匯出或刪除您的 Machine Learning services 工作區資料

在 Azure Machine Learning 中，您可以使用入口網站的圖形化介面或 Python SDK 來匯出或刪除工作區資料。 本文會說明這兩種選項。

注意

如需檢視或刪除個人資料的詳細資訊，請參閱 適用於 GDPR 的 Azure 資料主體要求。 如需 GDPR 的詳細資訊，請參閱 Microsoft 信任中心的 GDPR 區段和服務信任入口網站的 GDPR 區段。

注意

本文提供關於如何從裝置或服務刪除個人資料的步驟，並且可以用來支援遵循 GDPR 的義務。 如需 GDPR 的一般資訊，請參閱 Microsoft 信任中心的 GDPR 區段和服務信任入口網站的 GDPR 區段。

控制您的工作區資料

Azure Machine Learning 會儲存可供匯出和刪除的產品內資料。 您可以使用 Azure Machine Learning 工作室、CLI 或 SDK 匯出和刪除資料。 此外，您可以透過 Azure 隱私權入口網站存取遙測資料。

在 Azure Machine Learning 中，個人資料包含作業記錄文件中的使用者資訊。

Azure 工作區依賴資源群組來保存 Azure 解決方案的相關資源。 建立工作區時，您可以使用現有的資源群組，也可以建立新的資源群組。 如需 Azure 資源群組的詳細資訊，請瀏覽此資源。

使用入口網站來刪除高階資源

當您建立工作區時，Azure 會在資源群組內建立數個資源：

• 工作區本身
• 儲存體帳戶
• 容器登錄
• Application Insights 執行個體
• 金鑰保存庫

若要刪除這些資源，請從清單中加以選取，然後選擇 [刪除]：

重要

如果資源設定為虛刪除，則除非您選擇性地選擇永久刪除資源，否則不會實際刪除資料。 如需詳細資訊，請瀏覽下列資源：

• Azure Log Analytics 工作區
• Azure Key Vault 虛刪除
• Blob 的虛刪除
• Azure Container Registry 中的虛刪除
• 工作區虛刪除

確認對話方塊隨即開啟，您可以在其中確認您的選擇。

作業歷程記錄文件可能包含個人使用者資訊。 這些文件會儲存在 blob 儲存體的儲存體帳戶中 (位於 /azureml 子資料夾)。 您可以從入口網站下載及刪除資料。 首先，選取 Azure 入口網站中的 Azure 服務 [儲存體帳戶]，如此螢幕擷取畫面所示：

在 [儲存體帳戶] 頁面上，選取相關的儲存體帳戶，如此螢幕擷取畫面所示：

選取 [容器]，如此螢幕擷取畫面所示：

選取特定容器，如此螢幕擷取畫面所示：

在該容器中，選取並刪除您想要刪除的一或多個資源，如此螢幕擷取畫面所示：

使用 Azure Machine Learning 工作室來匯出和刪除機器學習資源

Azure Machine Learning 工作室可讓您統一檢視機器學習資源，例如資料資產、模型和工作。 Azure Machine Learning 工作室著重在保留資料和實驗的記錄。 您可以直接在瀏覽器中刪除計算資源 (管線和計算資源)。 針對這些資源，請瀏覽至相關資源，然後選擇 [刪除]。

您可以取消註冊資料資產和封存作業，但這些作業不會刪除資料。 若要完整移除資料，則需在儲存體層級刪除資料資產和工作資料。 如先前所述，儲存體層級刪除會在入口網站中發生。 Azure Machine Learning 工作室可以處理個別刪除。 作業刪除會刪除該作業的資料。

工作的成品和記錄下載

Azure Machine Learning 工作室可以處理來自實驗工作的定型成品和記錄下載。 在 Azure Machine Learning 工作室主頁面上，選取 [工作]，如此螢幕擷取畫面所示：

若要顯示可用的工作，請選取 [所有工作] 索引標籤，如此螢幕擷取畫面所示：

選取特定工作，如此螢幕擷取畫面所示：

選取 [全部下載]，如此螢幕擷取畫面所示：

下載已註冊的模型

若要下載已註冊的模型，請選取 [模型] 以在 Azure Machine Learning 工作室中開啟 [模型清單]，然後選取特定模型，如此螢幕擷取畫面所示：

選取 [全部下載] 以開始模型下載程序，如此螢幕擷取畫面所示：

使用 Python SDK 來匯出和刪除資源

您可以使用下列程式碼來下載特定作業的輸出：

# 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)

您可以使用 Python SDK 來刪除這些機器學習資源：

類型	函式呼叫	備註
Workspace	delete	使用 delete-dependent-resources 來串聯刪除
Model	delete
ComputeTarget	delete
WebService	delete

下一步

深入了解管理工作區