Onlinevorhersagemodell löschen

**Vorschau** : „Online Prediction“ ist ein Vorschaufeature , das so wie es ist zur Verfügung gestellt wird und nicht für Produktionsumgebungen empfohlen wird. Google bietet für Vorschaufeatures keine Service-Level-Agreements (SLAs) oder Zusagen zum technischen Support. Weitere Informationen finden Sie unter Feature-Phasen von GDC.

Auf dieser Seite wird der Prozess zum Löschen eines Onlinevorhersagemodells und aller zugehörigen Ressourcen beschrieben.

Hinweis

Bitten Sie Ihren Projekt-IAM-Administrator, Ihnen die Rolle „Vertex AI Prediction User“ (vertex-ai-prediction-user) zuzuweisen, um die Berechtigungen zu erhalten, die Sie für den Zugriff auf „Online Prediction“ benötigen.

Informationen zu dieser Rolle finden Sie unter IAM-Berechtigungen vorbereiten.

Bitten Sie außerdem Ihren Projekt-IAM-Administrator, Ihnen die Rolle „Project Bucket Object Admin“ (project-bucket-object-admin) im Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Löschen von Objekten in einem Bucket benötigen.

Ressourcen löschen

Wenn Sie ein Onlinevorhersagemodell und alle zugehörigen Ressourcen löschen möchten, gehen Sie so vor:

1. Löschen Sie die benutzerdefinierte Ressource DeployedModel, die mit Ihrem Modell im Vorhersagecluster verknüpft ist:

   kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml
   

   Ersetzen Sie Folgendes:

   • PREDICTION_CLUSTER_KUBECONFIG: Der Pfad zur kubeconfig-Datei im Vorhersagecluster.
   • DEPLOYED_MODEL_NAME: Der Name der DeployedModel-Definitionsdatei.

2. Bearbeiten Sie die benutzerdefinierte Ressource Endpoint auf eine der folgenden Arten:

   • Wenn der Endpunkt, der von DeployedModel verwendet wird, keine anderen Modelle hostet, löschen Sie die benutzerdefinierte Ressource Endpoint im Vorhersagecluster:

     kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml
     

     Ersetzen Sie ENDPOINT_NAME durch den Namen der Endpoint-Definitionsdatei.

   • Wenn der Endpunkt, der von DeployedModel verwendet wird, andere Modelle hostet, gehen Sie so vor:

     1. Aktualisieren Sie die benutzerdefinierte Ressource Endpoint im Vorhersagecluster:

        kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG edit -f ENDPOINT_NAME.yaml
        

        Ersetzen Sie ENDPOINT_NAME durch den Namen der Endpoint-Definitionsdatei.

     2. Löschen Sie in der YAML-Datei manuell das Objekt serviceRef, das den zuvor gelöschten DeployedModel-Verweis enthält.

     3. Speichern Sie die Änderungen in der YAML-Datei.

3. Löschen Sie Ihr Modell aus dem Speicher-Bucket. Weitere Informationen zum Löschen von Objekten aus Speicher-Buckets finden Sie unter Speicherobjekte in Projekten löschen.