Introduzione ai dati di testo: ripulisci il progetto

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

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 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 un modello di classificazione del testo AutoML.

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

5. Pulizia del progetto in corso.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni dalle 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. Fai clic su  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. Individua 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. Individua 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 alla pagina Set di dati.

   Vai alla pagina Set di dati

2. Individua il tuo set di dati, fai clic su  Visualizza 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 richiesto alcun intervento da parte tua. Cloud Shell non prevede costi ed elimina automaticamente il tuo disco home 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.