Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Cette page décrit la procédure à suivre pour supprimer un modèle de prédiction en ligne et toutes les ressources qui y sont associées.
Avant de commencer
Pour obtenir les autorisations nécessaires pour accéder à la prédiction en ligne, demandez à l'administrateur IAM de votre projet de vous attribuer le rôle Utilisateur Vertex AI Prediction (vertex-ai-prediction-user).
De plus, pour obtenir les autorisations nécessaires pour supprimer des objets dans un bucket, demandez à votre administrateur IAM de projet de vous accorder le rôle "Administrateur des objets du bucket de projet" (project-bucket-object-admin) dans le projet.
Delete resources
Si vous souhaitez supprimer un modèle de prédiction en ligne et toutes les ressources associées, procédez comme suit :
Supprimez la ressource personnalisée DeployedModel associée à votre modèle sur le cluster de prédiction :
PREDICTION_CLUSTER_KUBECONFIG : chemin d'accès au fichier kubeconfig dans le cluster de prédiction.
DEPLOYED_MODEL_NAME : nom du fichier de définition DeployedModel.
Modifiez la ressource personnalisée Endpoint de l'une des manières suivantes :
Si le point de terminaison utilisé par DeployedModel n'héberge pas d'autres modèles, supprimez la ressource personnalisée Endpoint sur le cluster de prédiction :
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/04 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/04 (UTC)."],[[["\u003cp\u003eOnline Prediction is a Preview feature not recommended for production environments and lacks service-level agreements or technical support.\u003c/p\u003e\n"],["\u003cp\u003eDeleting an online prediction model involves removing the associated \u003ccode\u003eDeployedModel\u003c/code\u003e custom resource from the prediction cluster using \u003ccode\u003ekubectl\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eDepending on whether the \u003ccode\u003eEndpoint\u003c/code\u003e hosts other models, you must either delete the entire \u003ccode\u003eEndpoint\u003c/code\u003e custom resource or edit it to remove the deleted \u003ccode\u003eDeployedModel\u003c/code\u003e's \u003ccode\u003eserviceRef\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eAfter removing the \u003ccode\u003eDeployedModel\u003c/code\u003e and adjusting the \u003ccode\u003eEndpoint\u003c/code\u003e, the final step is to delete the model from its storage bucket.\u003c/p\u003e\n"]]],[],null,["# Delete an online prediction model\n\n| **Preview:** Online Prediction is a Preview feature that is available as-is and is not recommended for production environments. Google provides no service-level agreements (SLA) or technical support commitments for Preview features. For more information, see GDC's [feature stages](/distributed-cloud/hosted/docs/latest/gdch/resources/feature-stages).\n\nThis page describes the process to delete an online prediction model and all the\nresources associated with it.\n\nBefore you begin\n----------------\n\nTo get the permissions that you need to access Online Prediction,\nask your Project IAM Admin to grant you the Vertex AI\nPrediction User (`vertex-ai-prediction-user`) role.\n\nFor information about this role, see\n[Prepare IAM permissions](/distributed-cloud/hosted/docs/latest/gdch/application/ao-user/vertex-ai-ao-permissions).\n\nAdditionally, to get the permissions that you need to delete objects in a\nbucket, ask your Project IAM Admin to grant you the Project Bucket Object Admin\n(`project-bucket-object-admin`) role in the project.\n\nDelete resources\n----------------\n\nIf you want to delete an online prediction model and all the resources\nassociated with it, perform the following steps:\n\n1. Delete the `DeployedModel` custom resource associated with your model\n on the prediction cluster:\n\n kubectl --kubeconfig \u003cvar translate=\"no\"\u003ePREDICTION_CLUSTER_KUBECONFIG\u003c/var\u003e delete -f \u003cvar translate=\"no\"\u003eDEPLOYED_MODEL_NAME\u003c/var\u003e.yaml\n\n Replace the following:\n - \u003cvar translate=\"no\"\u003ePREDICTION_CLUSTER_KUBECONFIG\u003c/var\u003e: the path to the kubeconfig file in the prediction cluster.\n - \u003cvar translate=\"no\"\u003eDEPLOYED_MODEL_NAME\u003c/var\u003e: the name of the `DeployedModel` definition file.\n2. Edit the `Endpoint` custom resource in one of the following ways:\n\n - If the endpoint that the `DeployedModel` uses doesn't host other models,\n delete the `Endpoint` custom resource on the prediction cluster:\n\n kubectl --kubeconfig \u003cvar translate=\"no\"\u003ePREDICTION_CLUSTER_KUBECONFIG\u003c/var\u003e delete -f \u003cvar translate=\"no\"\u003eENDPOINT_NAME\u003c/var\u003e.yaml\n\n Replace \u003cvar translate=\"no\"\u003eENDPOINT_NAME\u003c/var\u003e with the name of the\n `Endpoint` definition file.\n - If the endpoint that the `DeployedModel` uses hosts other models,\n perform the following steps:\n\n 1. Update the `Endpoint` custom resource on the prediction cluster:\n\n kubectl --kubeconfig \u003cvar translate=\"no\"\u003ePREDICTION_CLUSTER_KUBECONFIG\u003c/var\u003e edit -f \u003cvar translate=\"no\"\u003eENDPOINT_NAME\u003c/var\u003e.yaml\n\n Replace \u003cvar translate=\"no\"\u003eENDPOINT_NAME\u003c/var\u003e with the name of the\n `Endpoint` definition file.\n 2. On the YAML file, manually delete the `serviceRef` object containing\n the `DeployedModel` reference you deleted previously.\n\n 3. Save the changes on the YAML file.\n\n3. Delete your model from the storage bucket. For more information about how to\n delete objects from storage buckets, see [Delete storage objects in projects](/distributed-cloud/hosted/docs/latest/gdch/application/ao-user/delete-storage-objects)."]]
