이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Hello 커스텀 학습: 프로젝트 삭제

이 페이지에서는 이미지 분류 모델을 학습시키고 이를 통해 예측을 제공하기 위해 만들었던 Google Cloud 리소스를 삭제하는 과정을 안내합니다.

이 튜토리얼은 여러 페이지로 이루어져 있습니다.

각 페이지에서는 이 튜토리얼의 이전 페이지에서 안내를 이미 수행했다고 가정합니다.

이 문서의 나머지 부분에서는 이 튜토리얼의 첫 번째 페이지를 따를 때 만든 Cloud Shell 환경과 동일한 환경을 사용한다고 가정합니다. 기존 Cloud Shell 세션이 더 이상 열려 있지 않으면 다음을 수행하여 환경으로 돌아갈 수 있습니다.

Vertex AI 리소스 삭제

이 섹션에서는 이 튜토리얼에서 만든 Vertex AI 리소스를 모두 삭제하는 방법을 설명합니다.

이 섹션에서는 엔드포인트에서 모델 배포를 취소하는 방법에 대해 설명합니다. 엔드포인트에서 모델을 연결 해제하는 방법으로 이 작업을 고려할 수 있습니다.

엔드포인트를 삭제하거나 모델을 삭제하려면 이 섹션의 지침을 따라야 합니다.

이 섹션을 진행하기 전에 엔드포인트에서 모델을 배포 취소해야 합니다. 이후 다음을 수행하여 엔드포인트를 삭제하세요.

Google Cloud Console의 Vertex AI 섹션에서 엔드포인트 페이지로 이동합니다.

엔드포인트로 이동
엔드포인트 행인 hello_custom을 다시 찾습니다. 이 행에서 더보기 를 클릭합니다. 그런 다음 엔드포인트 삭제를 클릭합니다.
엔드포인트 삭제 대화상자에서 확인을 클릭합니다.

이 섹션을 진행하기 전에 엔드포인트에서 모델을 배포 취소해야 합니다. 이후 다음을 수행하여 모델을 삭제하세요.

학습 파이프라인과 커스텀 작업은 이전에 발생한 학습의 기록입니다. 커스텀 작업을 삭제하려면 다음을 수행합니다.

Google Cloud Console의 Vertex AI 섹션에서 학습 파이프라인 페이지로 이동합니다.

학습 파이프라인으로 이동
학습 파이프라인의 행인 hello_custom을 찾습니다. 이 행에서 더보기 를 클릭합니다. 그런 다음 학습 파이프라인 삭제를 클릭합니다.
학습 작업 삭제 대화상자에서 삭제를 클릭합니다.
커스텀 작업 페이지로 이동하려면 Google Cloud 콘솔에서 커스텀 작업을 클릭하거나 다음 링크를 클릭합니다.

커스텀 작업으로 이동
커스텀 작업의 행인 hello_custom-custom-job을 찾습니다. 이 행에서 더보기 를 클릭합니다. 그런 다음 커스텀 작업 삭제를 클릭합니다.
학습 작업 삭제 대화상자에서 삭제를 클릭합니다.

Cloud Shell에는 요금이 부과되지 않으며 일정 기간 동안 사용하지 않으면 홈 디스크가 자동으로 삭제됩니다. 하지만 조만간 다른 목적으로 Cloud Shell을 사용할 계획이라면 이 튜토리얼에서 만든 파일을 수동으로 삭제하는 것이 좋습니다.

Cloud Shell 세션에서 다음 명령어를 실행하세요.

cd ..
rm -rf hello-custom-sample

Cloud Shell 세션에서 다음 명령어를 실행하세요.

gcloud storage rm gs://BUCKET_NAME --recursive --continue-on-error

BUCKET_NAME을 이 가이드의 첫 번째 페이지를 읽을 때 생성한 Cloud Storage 버킷 이름으로 바꿉니다.

Cloud Shell 세션에서 다음 명령어를 실행하세요.

gcloud functions delete classify_flower --region=us-central1 --quiet