Introduzione ai dati di testo: pulizia del progetto

A partire dal 15 settembre 2024, potrai personalizzare solo gli scopi di classificazione, estrazione di entità e analisi del sentiment passando ai prompt e alla regolazione di Vertex AI Gemini. L'addestramento o l'aggiornamento dei modelli per Vertex AI AutoML per gli scopi di classificazione del testo, estrazione di entità e analisi del sentiment non sarà più disponibile. Puoi continuare a utilizzare i modelli Text di AutoML per Vertex AI esistenti fino al 15 giugno 2025. Per un confronto tra AutoML Text e Gemini, consulta Gemini per gli utenti di AutoML Text. Per saperne di più su come Gemini offre un'esperienza utente migliorata tramite funzionalità di prompt avanzate, consulta Introduzione all'ottimizzazione. Per iniziare a utilizzare l'ottimizzazione, consulta Ottimizzazione dei modelli di testo Gemini

Per saperne di più, esegui il blocco note Jupyter "Crea, addestra ed esegui il deployment di un modello di classificazione del testo AutoML" in uno dei seguenti ambienti:

Apri in Colab | Apri in Colab Enterprise | Apri nei notebook gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Esegui la pulizia delle Google Cloud risorse che hai creato durante questo tutorial. Segui questi passaggi per evitare addebiti imprevisti.

Questo tutorial è composto da diverse pagine:

1. Configurare il progetto e l'ambiente.

2. Creazione di un set di dati per la classificazione del testo .

3. Addestramento di un modello di classificazione del testo AutoML.

4. Esegui il deployment del modello in un endpoint e invia una previsione.

5. Pulizia del progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni riportate nelle pagine precedenti del tutorial.

Eliminare le risorse Vertex AI

Questa sezione descrive come eliminare le seguenti risorse del progetto: endpoint, modello, set di dati e bucket Cloud Storage.

Eliminare l'endpoint

1. Nella console Google Cloud, vai alla pagina Endpoint.

   Vai a Endpoints

2. Fai clic sull'endpoint.

3. Nella pagina dei dettagli dell'endpoint, individua la riga relativa al tuo modello. Fai clic su  Visualizza altro > Annulla il deployment del modello nell'endpoint.

4. Nella finestra di dialogo Annulla il deployment del modello nell'endpoint, fai clic su Annulla deployment.

5. Torna alla pagina Endpoint.

6. Individua l'endpoint, fai clic su  Visualizza altro > Elimina endpoint.

7. Nella finestra di dialogo Elimina endpoint, fai clic su Conferma.

Eliminare il modello

1. Nella console Google Cloud, vai alla pagina Registry dei modelli.

   Vai alla pagina Registro dei modelli

2. Individua il tuo modello, fai clic su  Visualizza altro >  Elimina modello.

3. Nella finestra di dialogo Elimina modello, fai clic su Elimina.

Eliminare il set di dati

1. Nella console Google Cloud, nella sezione Vertex AI, vai alla pagina Set di dati.

   Vai alla pagina Set di dati

2. Individua il set di dati, fai clic su  Visualizza altro >  Elimina set di dati.

Elimina il bucket Cloud Storage

1. In the Google Cloud console, go to the Cloud Storage Buckets page.

   Go to Buckets

2. Click the checkbox for the bucket that you want to delete.
3. To delete the bucket, click Delete, and then follow the instructions.

Sessione di Cloud Shell

Non è richiesto alcun intervento da parte tua. Cloud Shell non comporta costi e elimina automaticamente il tuo disco di casa dopo un periodo di inattività.

Passaggi successivi

• Per scoprire altri modi per addestrare i modelli ML su Vertex AI, prova uno degli altri tutorial su Vertex AI.

• Leggi una panoramica del funzionamento di Vertex AI.