Excluir um modelo de previsão on-line

Pré-lançamento: a previsão on-line é um recurso em fase de pré-lançamento disponível no estado em que se encontra e não é recomendado para ambientes de produção. O Google não oferece contratos de nível de serviço (SLA) nem compromissos de suporte técnico para recursos em fase de pré-lançamento. Para mais informações, consulte os estágios do recurso do GDC.

Nesta página, descrevemos o processo para excluir um modelo preditivo on-line e todos os recursos associados a ele.

Antes de começar

Para receber as permissões necessárias para acessar a previsão on-line, peça ao administrador do projeto do IAM para conceder a você o papel de usuário de previsão da Vertex AI (vertex-ai-prediction-user).

Para mais informações sobre esse papel, consulte Preparar permissões do IAM.

Além disso, para receber as permissões necessárias para excluir objetos em um bucket, peça ao administrador do projeto do IAM para conceder a você o papel de administrador de objetos do bucket do projeto (project-bucket-object-admin) no projeto.

Excluir recursos

Se você quiser excluir um modelo preditivo on-line e todos os recursos associados a ele, siga estas etapas:

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

   kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml
   

   Substitua:

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

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

   • Se o endpoint usado pelo DeployedModel não hospedar outros modelos, exclua o recurso personalizado Endpoint no cluster de previsão:

     kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml
     

     Substitua ENDPOINT_NAME pelo nome do arquivo de definição Endpoint.

   • Se o endpoint usado pelo DeployedModel hospedar outros modelos, siga estas etapas:

     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 arquivo de definição Endpoint.

     2. No arquivo YAML, exclua manualmente o objeto serviceRef que contém a referência DeployedModel que você excluiu anteriormente.

     3. Salve as alterações no arquivo YAML.

3. Exclua o modelo do bucket de armazenamento. Para mais informações sobre como excluir objetos de buckets de armazenamento, consulte Excluir objetos de armazenamento em projetos.