Introduzione ai dati di testo: ripulisci il progetto

A partire dal 15 settembre 2024, puoi personalizzare solo classificazione, estrazione di entità e del sentiment passando ai prompt e all'ottimizzazione di Gemini in Vertex AI. Addestramento o aggiornamento modelli per Vertex AI AutoML per classificazione del testo, estrazione di entità e analisi del sentiment gli obiettivi non saranno più disponibili. Puoi continuare a utilizzare i modelli di testo AutoML di Vertex AI esistenti fino al 15 giugno 2025. Per saperne di più su come Gemini offre un'esperienza utente migliorata tramite funzionalità di prompt migliorate, consulta Introduzione all'ottimizzazione.

Per saperne di più, "Crea, addestra ed esegui il deployment di un modello di classificazione di testo AutoML" Blocco note Jupyter 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

Esegui la pulizia delle risorse Google Cloud che hai creato durante questo tutorial. Per evitare addebiti imprevisti, procedi nel seguente modo.

Questo tutorial è composto da varie pagine:

1. Configura il progetto e l'ambiente.

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

3. Addestramento di una classificazione di testo AutoML modello.

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

5. Pulizia del progetto in corso.

Per ogni pagina si presuppone che tu abbia già eseguito le istruzioni dalla pagine precedenti del tutorial.

Elimina risorse Vertex AI

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

Elimina 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 su  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. Trova il tuo modello, fai clic su  Mostra altro > Elimina modello.

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

Elimina il set di dati

1. Nella console Google Cloud, nella sezione Vertex AI, vai a 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. Nella console Google Cloud, vai alla pagina Bucket di Cloud Storage.

   Vai a Bucket

2. Fai clic sulla casella di controllo relativa al bucket da eliminare.
3. Per eliminare il bucket, fai clic su Elimina e segui le istruzioni.

sessione Cloud Shell

Non è richiesta alcuna azione da parte tua. Cloud Shell non prevede costi e elimina automaticamente il tuo disco home dopo un periodo di 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 su come Vertex AI funziona.