Elimine um modelo de previsão online

Pré-visualização: a Previsão online é uma funcionalidade de pré-visualização disponível tal como está e não é recomendada para ambientes de produção. A Google não oferece contratos de nível de serviço (SLA) nem compromissos de apoio técnico para funcionalidades de pré-visualização. Para mais informações, consulte as fases das funcionalidades do GDC.

Esta página descreve o processo para eliminar um modelo de previsão online e todos os recursos associados.

Antes de começar

Para receber as autorizações de que precisa para aceder à Previsão online, peça ao administrador de IAM do projeto para lhe atribuir a função Utilizador da Previsão do Vertex AI (vertex-ai-prediction-user).

Para informações sobre esta função, consulte o artigo Prepare as autorizações de IAM.

Além disso, para receber as autorizações de que precisa para eliminar objetos num bucket, peça ao administrador de IAM do projeto para lhe atribuir a função Administrador de objetos do bucket do projeto (project-bucket-object-admin) no projeto.

Elimine recursos

Se quiser eliminar um modelo de previsão online e todos os recursos associados, siga os passos abaixo:

1. Elimine o recurso personalizado DeployedModel associado ao seu modelo no cluster de previsão:

   kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml
   

   Substitua o seguinte:

   • PREDICTION_CLUSTER_KUBECONFIG: o caminho para o ficheiro kubeconfig no cluster de previsão.
   • DEPLOYED_MODEL_NAME: o nome do ficheiro de definição DeployedModel.

2. Edite o recurso personalizado Endpoint de uma das seguintes formas:

   • Se o ponto final usado pelo DeployedModel não alojar outros modelos, elimine o recurso personalizado Endpoint no cluster de previsão:

     kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml
     

     Substitua ENDPOINT_NAME pelo nome do ficheiro de definição Endpoint.

   • Se o ponto final usado pelo DeployedModel alojar outros modelos, siga os passos abaixo:

     1. Atualize o recurso personalizado Endpoint no cluster de previsão:

        kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG edit -f ENDPOINT_NAME.yaml
        

        Substitua ENDPOINT_NAME pelo nome do ficheiro de definição Endpoint.

     2. No ficheiro YAML, elimine manualmente o objeto serviceRef que contém a referência DeployedModel que eliminou anteriormente.

     3. Guarde as alterações no ficheiro YAML.

3. Elimine o modelo do bucket de armazenamento. Para mais informações sobre como eliminar objetos de buckets de armazenamento, consulte o artigo Elimine objetos de armazenamento em projetos.