本頁面會引導您清理用於訓練圖像分類模型並提供預測結果的 Google Cloud 資源。
本教學課程包含多個頁面：清除專案所用資源。
每個頁面都假設您已執行教學課程先前頁面中的操作說明。
本文件的其餘部分假設您使用的是按照本教學課程第一頁的說明建立的 Cloud Shell 環境。如果原始的 Cloud Shell 工作階段已關閉，您可以執行下列操作返回該環境：-
In the Google Cloud console, activate Cloud Shell.
-
在 Cloud Shell 工作階段中，執行下列指令：
cd hello-custom-sample
刪除 Vertex AI 資源
本節說明如何刪除您為本教學課程建立的所有 Vertex AI 資源。
從端點取消部署模型
本節說明如何從端點解除部署模型。您可以將這項操作視為一種將模型與端點解除連結的方式。
在 Google Cloud 控制台的 Vertex AI 專區中，前往「Endpoints」頁面。
按一下
hello_custom前往端點詳細資料頁面。在模型資料列
hello_custom上，按一下「Undeploy model」(取消部署模型)。在「Undeploy model from endpoint」對話方塊中，按一下「Undeploy」。
刪除端點
刪除端點前，您必須從端點取消部署模型。刪除端點後，您最多只能在 7 天內重複使用該端點名稱。
從端點取消部署模型後，請按照下列步驟刪除端點：
在 Google Cloud 控制台的 Vertex AI 專區中，前往「Endpoints」頁面。
再次找出端點
hello_custom的資料列。在該資料列中，按一下「查看更多」。然後按一下「移除端點」。在「Remove endpoint」對話方塊中，按一下「Confirm」。
刪除模型
開始執行本節的操作前，您必須從端點取消部署模型。接著，請按照下列步驟刪除模型：
在 Google Cloud 控制台的 Vertex AI 專區中，前往「Models」頁面。
找出模型的資料列
hello_custom。在該列中，按一下「查看更多」圖示 。然後點選「刪除模型」。在「Delete model」對話方塊中，按一下「Delete」。
刪除自訂訓練管道和工作
訓練管道和自訂工作只是先前訓練的記錄，如要刪除自訂工作，請按照下列步驟操作：
在 Google Cloud 控制台的 Vertex AI 專區中，前往「Training pipelines」頁面。
找出訓練管道
hello_custom的資料列。在該資料列中，按一下「查看更多」圖示 。然後按一下「Delete training pipeline」。在「Delete training job」對話方塊中，按一下「Delete」。
如要前往「自訂工作」頁面，請在Google Cloud 控制台中按一下「自訂工作」，或按一下下列連結：
找出自訂工作的資料列
hello_custom-custom-job。在該資料列中，按一下「查看更多」圖示 。然後按一下「刪除自訂工作」。在「Delete training job」對話方塊中，按一下「Delete」。
清理 Cloud Shell 工作階段
Cloud Shell 不會產生任何費用，且會在閒置一段時間後自動刪除您的主機碟。不過，如果您打算在近期內將 Cloud Shell 用於其他用途，建議您手動移除為本教學課程建立的檔案。
在 Cloud Shell 工作階段中，執行下列指令：
cd ..
rm -rf hello-custom-sample
刪除 Cloud Storage 值區
在 Cloud Shell 工作階段中，執行下列指令：
gcloud storage rm gs://BUCKET_NAME --recursive --continue-on-error
將 BUCKET_NAME 替換為您在閱讀本教學課程第一頁時建立的 Cloud Storage 值區名稱。
刪除 Cloud Run 函式
在 Cloud Shell 工作階段中，執行下列指令：
gcloud functions delete classify_flower --region=us-central1 --quiet
後續步驟
如要瞭解在 Vertex AI 訓練機器學習模型的其他方式，請試試其他 Vertex AI 教學課程。