Données textuelles Hello : nettoyer votre projet

À partir du 15 septembre 2024, vous ne pourrez personnaliser les objectifs de classification, d'extraction d'entités et d'analyse des sentiments qu'en passant aux requêtes et à l'ajustement Vertex AI Gemini. L'entraînement ou la mise à jour des modèles pour les objectifs de classification de texte, d'extraction d'entités et d'analyse des sentiments de Vertex AI AutoML ne seront plus disponibles. Vous pouvez continuer à utiliser les modèles Vertex AI AutoML Text existants jusqu'au 15 juin 2025. Pour obtenir une comparaison du texte AutoML et Gemini, consultez la page Gemini pour les utilisateurs de texte AutoML. Pour en savoir plus sur la façon dont Gemini offre une expérience utilisateur améliorée grâce à des fonctionnalités de requêtes améliorées, consultez Présentation du réglage. Pour commencer à utiliser le réglage, consultez la page Réglage des modèles pour les modèles textuels Gemini

Pour en savoir plus, exécutez le notebook Jupyter "Créer, entraîner et déployer un modèle de classification de texte AutoML" dans l'un des environnements suivants :

Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench | Afficher sur GitHub

Nettoyez les Google Cloud ressources que vous avez créées lors de ce tutoriel. Pour éviter des frais inattendus, procédez comme suit :

Ce tutoriel comporte plusieurs pages :

1. Configurer votre projet et votre environnement.

2. Créer un ensemble de données de classification de texte.

3. Entraîner un modèle de classification de texte AutoML.

4. Déployer le modèle sur un point de terminaison et effectuer une prédiction.

5. Nettoyer votre projet.

Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.

Supprimer les ressources Vertex AI

Cette section explique comment supprimer les ressources de projet suivantes : point de terminaison, modèle, ensemble de données et buckets Cloud Storage.

Supprimer votre point de terminaison

1. Dans la console Google Cloud, accédez à la page Points de terminaison.

   Accéder à Endpoints

2. Cliquez sur votre point de terminaison.

3. Sur la page d'informations du point de terminaison, recherchez la ligne de votre modèle. Cliquez sur  Afficher plus > Annuler le déploiement du modèle sur le point de terminaison.

4. Dans la boîte de dialogue Annuler le déploiement du modèle sur le point de terminaison, cliquez sur Annuler le déploiement.

5. Revenez à la page Points de terminaison.

6. Recherchez votre point de terminaison, puis cliquez sur  Afficher plus > Supprimer le point de terminaison.

7. Dans la boîte de dialogue Supprimer le point de terminaison, cliquez sur Confirmer.

Supprimer votre modèle

1. Dans la console Google Cloud, accédez à la page Registre de modèles.

   Accéder à la page "Registre de modèles"

2. Recherchez votre modèle, puis cliquez sur  Afficher plus > Supprimer le modèle.

3. Dans la boîte de dialogue Supprimer le modèle, cliquez sur Supprimer.

Supprimer l'ensemble de données

1. Dans Google Cloud Console, dans la section Vertex AI, accédez à la page Ensembles de données.

   Accéder à la page Ensembles de données

2. Recherchez votre ensemble de données, puis cliquez sur  Afficher plus > Supprimer l'ensemble de données.

Supprimer votre 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.

Session Cloud Shell

Aucune action n'est requise. Cloud Shell est gratuit et supprime automatiquement votre disque d'accueil après une période d'inactivité.

Étape suivante

• Pour découvrir d'autres moyens d'entraîner des modèles de ML sur Vertex AI, essayez l'un des autres tutoriels sur Vertex AI.

• Lisez une présentation sur le fonctionnement de Vertex AI.