Onlinevorhersagemodell löschen

Vorabversion: Onlinevorhersagen sind eine Funktion in der Vorabversion, die so wie sie ist verfügbar ist und nicht für Produktionsumgebungen empfohlen wird. Google bietet für Funktionen in der Vorabversion keine Service Level Agreements (SLA) oder Zusicherungen für technischen Support an. Weitere Informationen finden Sie unter Entwicklungsphasen von GDC.

Auf dieser Seite wird beschrieben, wie Sie ein Onlinevorhersagemodell und alle zugehörigen Ressourcen löschen.

Hinweis

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

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

Bitten Sie außerdem Ihren IAM-Projektadministrator, 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 damit verknüpften Ressourcen löschen möchten, führen Sie die folgenden Schritte aus:

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 Endpoint-Ressource auf eine der folgenden Arten:

   • Wenn der vom DeployedModel verwendete Endpunkt keine anderen Modelle hostet, löschen Sie die benutzerdefinierte Endpoint-Ressource 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, den der DeployedModel verwendet, andere Modelle hostet, führen Sie die folgenden Schritte aus:

     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 serviceRef-Objekt, das den zuvor gelöschten DeployedModel-Verweis enthält.

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

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