מחיקת מודל לחיזוי אונליין

בדף הזה מוסבר איך למחוק מודל חיזוי אונליין ואת כל המשאבים שמשויכים אליו.

לפני שמתחילים

כדי לקבל את ההרשאות שנדרשות לגישה לחיזוי אונליין, בקשו מהאדמין של הפרויקט ב-IAM להקצות לכם את התפקיד "משתמש בחיזוי ב-Vertex AI" (vertex-ai-prediction-user).

למידע על התפקיד הזה, ראו הכנת הרשאות IAM.

בנוסף, כדי לקבל את ההרשאות שנדרשות למחיקת אובייקטים בקטגוריה, צריך לבקש מהאדמין של הפרויקט ב-IAM להקצות לכם את התפקיד "אדמין של אובייקטים בקטגוריות בפרויקט" (project-bucket-object-admin) בפרויקט.

מחיקת משאבים

כדי למחוק מודל חיזוי אונליין ואת כל המשאבים שמשויכים אליו:

  1. מוחקים את המשאב המותאם אישית DeployedModel שמשויך למודל באשכול החיזוי:

    kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml

    מחליפים את מה שכתוב בשדות הבאים:

    • ‫PREDICTION_CLUSTER_KUBECONFIG: הנתיב לקובץ kubeconfig באשכול החיזוי.
    • ‫DEPLOYED_MODEL_NAME: השם של קובץ ההגדרה של DeployedModel.

  2. עורכים את המשאב בהתאמה אישית Endpoint באחת מהדרכים הבאות:

    • אם נקודת הקצה שבה משתמש DeployedModel לא מארחת מודלים אחרים, צריך למחוק את המשאב בהתאמה אישית Endpoint באשכול החיזוי:

      kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml

      מחליפים את ENDPOINT_NAME בשם של קובץ ההגדרה של Endpoint.

    • אם נקודת הקצה שבה משתמש ה-DeployedModel מארחת מודלים אחרים, בצעו את הפעולות הבאות:

      1. מעדכנים את המשאב המותאם אישית Endpoint באשכול החיזוי:

        kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG edit -f ENDPOINT_NAME.yaml

        מחליפים את ENDPOINT_NAME בשם של קובץ ההגדרה של Endpoint.

      2. בקובץ ה-YAML, מוחקים ידנית את האובייקט serviceRef שמכיל את ההפניה DeployedModel שמחקתם קודם.

      3. שומרים את השינויים בקובץ ה-YAML.

  3. מוחקים את המודל מקטגוריית האחסון. מידע נוסף על מחיקת אובייקטים מקטגוריות אחסון זמין במאמר מחיקת אובייקטים של אחסון בפרויקטים.