Eliminar un modelo de predicción online

Vista previa: Predicción online es una función de vista previa que está disponible tal cual y no se recomienda para entornos de producción. Google no ofrece acuerdos de nivel de servicio ni asistencia técnica para las funciones de vista previa. Para obtener más información, consulta las fases de las funciones

de GDC.

En esta página se describe el proceso para eliminar un modelo de predicción online y todos los recursos asociados a él.

Antes de empezar

Para obtener los permisos que necesitas para acceder a Predicción online, pide al administrador de gestión de identidades y accesos de tu proyecto que te asigne el rol Usuario de predicción de Vertex AI (vertex-ai-prediction-user).

Para obtener información sobre este rol, consulta Preparar permisos de gestión de identidades y accesos.

Además, para obtener los permisos que necesitas para eliminar objetos de un segmento, pide al administrador de gestión de identidades y accesos de tu proyecto que te conceda el rol Administrador de objetos de segmento de proyecto (project-bucket-object-admin) en el proyecto.

Eliminar recursos

Si quiere eliminar un modelo de predicción online y todos los recursos asociados a él, siga estos pasos:

1. Elimina el recurso personalizado DeployedModel asociado a tu modelo en el clúster de predicción:

   kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f DEPLOYED_MODEL_NAME.yaml
   

   Haz los cambios siguientes:

   • PREDICTION_CLUSTER_KUBECONFIG: la ruta al archivo kubeconfig del clúster de predicción.
   • DEPLOYED_MODEL_NAME: el nombre del archivo de definición DeployedModel.

2. Edite el recurso personalizado Endpoint de una de las siguientes formas:

   • Si el endpoint que usa DeployedModel no aloja otros modelos, elimina el recurso personalizado Endpoint en el clúster de predicción:

     kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG delete -f ENDPOINT_NAME.yaml
     

     Sustituye ENDPOINT_NAME por el nombre del archivo de definición Endpoint.

   • Si el endpoint que usa DeployedModel aloja otros modelos, sigue estos pasos:

     1. Actualiza el recurso personalizado Endpoint en el clúster de predicción:

        kubectl --kubeconfig PREDICTION_CLUSTER_KUBECONFIG edit -f ENDPOINT_NAME.yaml
        

        Sustituye ENDPOINT_NAME por el nombre del archivo de definición Endpoint.

     2. En el archivo YAML, elimina manualmente el objeto serviceRef que contiene la referencia DeployedModel que has eliminado anteriormente.

     3. Guarda los cambios en el archivo YAML.

3. Elimina el modelo del segmento de almacenamiento. Para obtener más información sobre cómo eliminar objetos de los contenedores de almacenamiento, consulta Eliminar objetos de almacenamiento en proyectos.