翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# デプロイをテストする
<a name="canvas-deploy-model-test"></a>

Amazon SageMaker Canvas アプリケーションを使用して、エンドポイントを呼び出すか、単一の予測リクエストを行うことで、モデルのデプロイをテストできます。この機能を使用すると、本番環境でエンドポイントをプログラムで呼び出す前に、エンドポイントがリクエストに応答することを確認できます。

## カスタムモデルのデプロイをテストする
<a name="canvas-deploy-model-test-custom"></a>

**[ML オペレーション]** ページからカスタムモデルのデプロイにアクセスして 1 回の呼び出しを行うことで、カスタムモデルのデプロイをテストできます。これによって予測が返され、予測が正しい確率が示されます。

**注記**  
実行時間は、呼び出しを行って Canvas のエンドポイントからレスポンスを取得するのにかかる時間の推定です。レイテンシーメトリクスの詳細については、「[SageMaker AI エンドポイント呼び出しメトリクス](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html#cloudwatch-metrics-endpoint-invocation)」を参照してください。

Canvas アプリケーションを使用してエンドポイントをテストするには、以下を実行します。

1. SageMaker Canvas アプリケーションを開きます。

1. 左のナビゲーションパネルで、**[ML オペレーション]** を選択します。

1. **[デプロイ]** タブを選択します。

1. デプロイのリストから、呼び出すエンドポイントを持つデプロイを選択します。

1. デプロイの詳細ページで、**[デプロイをテスト]** タブを選択します。

1. デプロイのテストページでは、**[値]** フィールドを変更して新しいデータポイントを指定できます。時系列予測モデルでは、予測を行う **[項目 ID]** を指定します。

1. 値を変更したら、**[更新]** を選択して予測結果を取得します。

予測がロードされ、呼び出しが成功したかどうか、およびリクエストの処理にかかった時間を示す **[呼び出し結果]** フィールドが表示されます。

次のスクリーンショットは、Canvas アプリケーションで実行された予測を示している **[デプロイのテスト]** タブです。

![\[デプロイされたモデルのテスト予測を示している Canvas アプリケーション。\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/studio/canvas/canvas-test-deployments.png)


数値予測と時系列予測を除くすべてのモデルタイプについて、予測によって次のフィールドが返されます。
+  **predicted\$1label** – 予測された出力
+  **probability** – 予測ラベルが正しい確率
+  **labels** – 使用可能なすべてのラベルのリスト
+  **probabilities** – 各ラベルに対応する確率 (このリストの順序はラベルの順序に一致します)

数値予測モデルの場合、予測には **score** フィールドのみが含まれます。このフィールドは、家の予測価格などの、モデルの予測出力です。

時系列予測モデルの場合、予測は分位数別に予測を示すグラフになります。**[スキーマビュー]** を選択すると、各分位数の予測数値を表示できます。

デプロイテストページで引き続き単一の予測を行うことも、次のセクション「[エンドポイントを呼び出す](canvas-deploy-model-invoke.md)」を参照して、アプリケーションからプログラムでエンドポイントを呼び出す方法を学ぶこともできます。

## JumpStart 基盤モデルのデプロイをテストする
<a name="canvas-deploy-model-test-js"></a>

Canvas アプリケーションを使用してデプロイされた JumpStart 基盤モデルとチャットして、コードを使用してアプリケーションを呼び出す前に、その機能をテストできます。

デプロイされた JumpStart 基盤モデルとチャットするには、以下を実行します。

1. SageMaker Canvas アプリケーションを開きます。

1. 左のナビゲーションパネルで、**[ML オペレーション]** を選択します。

1. **[デプロイ]** タブを選択します。

1. デプロイのリストから、呼び出すデプロイを見つけて、**[その他のオプション]** アイコン (![\[More options icon for a model deployment.\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/studio/canvas/more-options-icon.png)) を選択します。

1. コンテキストメニューから、**[デプロイのテスト]** を選択します。

1. JumpStart 基盤モデルで新しい **[コンテンツの生成、抽出、要約]** チャットが開き、プロンプトの入力を開始できるようになります。このチャットからのプロンプトは、SageMaker AI ホスティングエンドポイントへのリクエストとして送信されることに注意が必要です。