Introduzione ai dati di testo: ripulisci il 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, vedi Gemini per gli utenti di AutoML Text. Per saperne di più su come Gemini offre un'esperienza utente migliorata attraverso funzionalità di prompt migliorate. 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:

Aperto in Colab | Aperto in Colab Enterprise | Aperto nei blocchi note gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Elimina le risorse Google Cloud che hai creato durante questo tutorial. Per evitare addebiti imprevisti, procedi nel seguente modo.

Questo tutorial è composto da diverse pagine:

1. Configura il progetto e l'ambiente.

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

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

4. Esegui il deployment del modello a un endpoint e invia una per la previsione.

5. Pulizia del progetto.

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

Elimina 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 del tuo modello. Clic  Mostra 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. Trova il tuo endpoint, fai clic  Mostra altro > Elimina endpoint.

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

Elimina il modello

1. Nella console Google Cloud, vai alla pagina Model Registry.

   Vai alla pagina del registro dei modelli

2. Individua il 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. Una volta trovato il set di dati, fai clic su  Mostra 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 richiesta alcuna azione 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.