このページでは、画像分類モデルをトレーニングし、そのモデルから予測を提供するために作成した Google Cloud リソースをクリーンアップする手順を説明します。
このドキュメントは「Hello カスタム トレーニング」チュートリアルの一部です。このチュートリアルでは、Vertex AI を使用して画像分類モデルをトレーニングし、そのモデルを使用して予測を提供する方法について説明しています。このチュートリアルでは、Vertex AI のカスタム トレーニング機能を使用して、Vertex AI のビルド済みコンテナ環境のいずれかで TensorFlow Keras トレーニング アプリケーションを実行します。このカスタム トレーニング ジョブは、花の画像をタイプで分類するように機械学習(ML)モデルをトレーニングします。このチュートリアルでは、ML モデルをトレーニングした後、エンドポイントを作成し、そのエンドポイントからシンプルなウェブアプリに予測を提供する方法を説明します。このチュートリアルには複数のページが含まれます。
プロジェクトのクリーンアップ
各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。
このドキュメントの以降の内容は、このチュートリアルの最初のページの手順を実施したときに作成したものと同じ Cloud Shell 環境を使用していることを前提としています。元の Cloud Shell セッションが開かれていない場合は、次の手順を行ってその環境に戻ることができます。-
Google Cloud コンソールで、「Cloud Shell をアクティブにする」をクリックします。
-
Cloud Shell セッションで次のコマンドを実行します。
cd hello-custom-sample
Vertex AI リソースを削除する
このセクションでは、このチュートリアルで作成した Vertex AI リソースをすべて削除する方法について説明します。
エンドポイントからモデルのデプロイを解除する
このセクションでは、エンドポイントからモデルのデプロイを解除する方法について説明します。このアクションは、エンドポイントからモデルの接続を解除する方法と考えることができます。
エンドポイントの削除またはモデルの削除を行う前に、このセクションの手順を行う必要があります。
Google Cloud Console の Vertex AI セクションで、[エンドポイント] ページに移動します。
[
hello_custom
] をクリックして、エンドポイントの詳細ページに移動します。モデルの行
hello_custom
で、[モデルのデプロイ解除 ] をクリックします。[エンドポイントからモデルのデプロイを解除] ダイアログで [デプロイ解除] をクリックします。
エンドポイントを削除する
このセクションに進む前に、エンドポイントからモデルのデプロイを解除する必要があります。その後、次の手順に沿ってエンドポイントを削除します。
Google Cloud Console の Vertex AI セクションで、[エンドポイント] ページに移動します。
エンドポイントの行
hello_custom
を再度確認します。その行で、[もっと見る ] をクリックします。次に、[エンドポイントを削除] をクリックします。[エンドポイントを削除] ダイアログで [確認] をクリックします。
モデルを削除する
このセクションに進む前に、エンドポイントからモデルのデプロイを解除する必要があります。その後、次の手順に沿ってエンドポイントを削除します。
Google Cloud Console の Vertex AI セクションで、[モデル] ページに移動します。
モデルの行
hello_custom
を探します。その行で、[もっと見る ] をクリックします。それから [モデルを削除] をクリックします。[モデルを削除] ダイアログで、[削除] をクリックします。
カスタム トレーニング パイプラインとジョブを削除する
トレーニング パイプラインとカスタムジョブは、前に実施したトレーニングの記録にすぎません。カスタムジョブを削除するには、次の手順を行います。
Google Cloud Console の Vertex AI セクションで、[トレーニング パイプライン] ページに移動します。
トレーニング パイプラインの行
hello_custom
を探します。その行で、[もっと見る ] をクリックします。それから [トレーニング パイプラインの削除] をクリックします。[トレーニング ジョブを削除] ダイアログで、[削除] をクリックします。
[カスタムジョブ] ページに移動するには、Google Cloud コンソールで [カスタムジョブ] をクリックするか、次のリンクをクリックします。
カスタムジョブの行
hello_custom-custom-job
を探します。その行で、[もっと見る ] をクリックします。それから [カスタムジョブの削除] をクリックします。[トレーニング ジョブを削除] ダイアログで、[削除] をクリックします。
Cloud Shell セッションをクリーンアップする
Cloud Shell では、課金は発生しません。また、非アクティブな状態が一定期間続くと、ホームディスクが自動的に削除されます。ただし、今後他の目的で Cloud Shell を使用する予定がある場合は、このチュートリアルで作成したファイルを手動で削除することをおすすめします。
Cloud Shell セッションで、次のコマンドを実行します。
cd ..
rm -rf hello-custom-sample
Cloud Storage バケットを削除する
Cloud Shell セッションで、次のコマンドを実行します。
gsutil -m rm -rf gs://BUCKET_NAME
BUCKET_NAME は、このチュートリアルの最初のページを参照したときに作成した Cloud Storage バケットの名前で置き換えます。
Cloud Functions の関数を削除する
Cloud Shell セッションで、次のコマンドを実行します。
gcloud functions delete classify_flower --region=us-central1 --quiet
次のステップ
Vertex AI チュートリアルのいずれかを使用して、Vertex AI で ML モデルをトレーニングする別の方法を確認する。
Vertex AI の仕組みの概要を確認する。