Hello 自訂訓練：清理專案所用資源

本頁面將逐步引導您清理 Cloud de Confiance by S3NS 資源，這些資源是為了訓練圖片分類模型及提供預測結果而建立。

本教學課程包含多個頁面：

每個頁面都假設您已執行本教學課程前幾頁的操作說明。

本文件其餘部分假設您使用的是按照本教學課程第一頁建立的相同 Cloud Shell 環境。如果原本的 Cloud Shell 工作階段已關閉，您可以按照下列步驟返回環境：

刪除 Agent Platform 資源

本節說明如何刪除您為本教學課程建立的所有 Agent Platform 資源。

本節說明如何從端點取消部署模型。您可以將這項操作視為中斷模型與端點之間的連線。

您必須先按照本節說明操作，才能刪除端點或刪除模型。

前往 Cloud de Confiance 控制台「Agent Platform」(代理平台) 專區的「Endpoints」(端點) 頁面。

前往「Endpoints」
按一下 hello_custom 即可前往端點詳細資料頁面。
在模型 hello_custom 的資料列中，按一下「Undeploy model」(取消部署模型) 。
在「Undeploy model from endpoint」(取消部署端點的模型) 對話方塊中，按一下「Undeploy」(取消部署)。

刪除端點前，請先從端點取消部署模型。刪除端點後，最多 7 天內無法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：

前往 Cloud de Confiance 控制台「Agent Platform」(代理平台) 專區的「Endpoints」(端點) 頁面。

前往「Endpoints」
再次找出端點 hello_custom 所在的資料列。按一下該列的「查看更多」圖示。然後按一下「移除端點」。
在「Remove endpoint」(移除端點) 對話方塊中，按一下「Confirm」(確認)。

按照本節操作前，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：

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：

前往 Cloud de Confiance 控制台「Agent Platform」部分的「Training pipelines」(訓練管道) 頁面。

前往「Training pipelines」(訓練管道)
找到訓練管道 hello_custom 的資料列。按一下該列的「查看更多」圖示。然後按一下「Delete training pipeline」(刪除訓練管道)。
在「Delete training job」(刪除訓練工作) 對話方塊中，點選「Delete」(刪除)。
如要前往「Custom jobs」(自訂工作) 頁面，請在Cloud de Confiance 控制台中按一下「Custom job」(自訂工作)，或點選下列連結：

前往「Custom jobs」(自訂工作) 頁面
找到自訂工作 hello_custom-custom-job 所在的資料列。按一下該列的「查看更多」圖示。然後點選「刪除自訂工作」。
在「Delete training job」(刪除訓練工作) 對話方塊中，點選「Delete」(刪除)。

Cloud Shell 不會產生任何費用，而且在閒置一段時間後會自動刪除主磁碟。不過，如果您打算在不久後將 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

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 bucket 名稱。

在 Cloud Shell 工作階段中，執行下列指令：

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