本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 測試您的部署
<a name="canvas-deploy-model-test"></a>

您可以透過 Amazon SageMaker Canvas 應用程式調用端點或提出單一預測請求來測試模型部署。在生產環境中以程式設計方式調用端點之前，您可以使用此功能來確認端點是否回應請求。

## 測試自訂模型部署
<a name="canvas-deploy-model-test-custom"></a>

您可以測試自訂模型部署，方法是透過 **ML Ops** 頁面存取該部署並進行單一調用，這會傳回預測以及預測正確的機率。

**注意**  
執行長度是在 Canvas 中調用和從端點獲取回應所花費的時間的估計值。如需詳細的延遲指標，請參閱 [SageMaker AI 端點調用指標](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html#cloudwatch-metrics-endpoint-invocation)。

若要透過 Canvas 應用程式測試端點，請執行以下動作：

1. 開啟 SageMaker Canvas 應用程式。

1. 在左側導覽窗格中，選擇 **ML Ops**。

1. 選擇 **Deployment** (部署) 索引標籤。

1. 從部署清單中選擇具有您要調用之端點的部署。

1. 在部署詳細資料頁面上，選擇 **Test deployment** (測試部署) 索引標籤。

1. 在部署測試頁面上，您可以修改 **Value** (值) 欄位以指定新資料點。對於時間序列預測模型，您可以指定要對其進行預測的**項目 ID**。

1. 修改值後，選擇 **Update** (更新) 以取得預測結果。

預測會連同以及 **Invocation result** (調用結果) 欄位一同載入，這些欄位指出調用是否成功，以及要求處理請求所花費的時間。

下列螢幕擷取畫面顯示在 **Test deployment** (測試部署) 索引標籤的 Canvas 應用程式中執行的預測。

![\[Canvas 應用程式，其中顯示已部署模型的測試預測。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio/canvas/canvas-test-deployments.png)


針對除了數值預測和時間序列預測以外的所有模型類型，預測會傳回下列欄位：
+  **predicted\$1label** - 預測的輸出
+  **機率** - 預測標籤正確的概率
+  **標籤** - 所有可能的標籤清單
+  **概率** - 與每個標籤對應的概率 (此清單的順序與標籤的順序符合)

針對數字預測模型，預測僅包含**分數**欄位，即模型的預測輸出，例如房屋的預測定價。

對於時間序列預測模型，預測是依分位數顯示預測的圖表。您可以選擇**結構描述檢視**來查看每個分位數的預測數值。

您可以透過部署測試頁面繼續進行單一預測，或者您可以檢視下方[調用您的端點](canvas-deploy-model-invoke.md)區段，了解如何以程式設計方式從應用程式調用端點。

## 測試 JumpStart 基礎模型部署
<a name="canvas-deploy-model-test-js"></a>

您可以透過 Canvas 應用程式與部署的 JumpStart 基礎模型聊天，以在透過程式碼調用該模型之前測試其功能。

若要與部署的 JumpStart 基礎模型聊天，請執行下列動作：

1. 開啟 SageMaker Canvas 應用程式。

1. 在左側導覽窗格中，選擇 **ML Ops**。

1. 選擇 **Deployment** (部署) 索引標籤。

1. 從部署清單中，尋找您要調用的部署，然後選擇其**更多選項**圖示 (![\[More options icon for a model deployment.\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png))。

1. 從內容功能表中，選擇**測試部署**。

1. 新的**產生、擷取和摘要說明內容**聊天會搭配 JumpStart 基礎模型開啟，而且您可以開始輸入提示。請注意，來自此聊天的提示會以請求的形式傳送至 SageMaker AI 託管端點。