Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Pruebe la implementación
Puede probar la implementación de un modelo invocando el punto final o realizando solicitudes de predicción únicas a través de la aplicación Amazon SageMaker Canvas. Puede usar esta funcionalidad para confirmar que su punto de conexión responde a las solicitudes antes de invocarlo mediante programación en un entorno de producción.
Pruebe la implementación de un modelo personalizado
Puede probar la implementación de un modelo personalizado accediendo a él a través de la página de operaciones de aprendizaje automático y realizando una única invocación, que devuelve una predicción junto con la probabilidad de que sea correcta.
nota
La duración de la ejecución es una estimación del tiempo que se tarda en invocar y obtener una respuesta del punto de conexión en Canvas. Para obtener métricas de latencia detalladas, consulte Métricas de SageMaker invocación de puntos finales.
Para probar el punto de conexión a través de la aplicación de Canvas, haga lo siguiente:
-
Abra la aplicación SageMaker Canvas.
-
En el panel de navegación izquierdo, selecciona ML Ops.
-
Elija la pestaña Implementaciones.
-
En la lista de implementaciones, elija la que tenga el punto de conexión que desee invocar.
-
En la página de detalles de la implementación, seleccione la pestaña Probar implementación.
-
En la página de pruebas de implementación, puede modificar los campos de Valor para especificar un nuevo punto de datos. Para los modelos de previsión de series temporales, debe especificar el identificador del artículo para el que desea realizar una previsión.
-
Tras modificar los valores, elija Actualizar para obtener el resultado de la predicción.
La predicción se carga junto con los campos de Resultados de la invocación, que indican si la invocación se ha realizado correctamente o no y cuánto tiempo ha tardado en procesarse la solicitud.
La siguiente captura de pantalla muestra una predicción realizada en la aplicación de Canvas, en la pestaña Probar implementación.
Para todos los tipos de modelos, excepto la predicción numérica y la previsión de series temporales, la predicción devuelve los siguientes campos:
-
predicted_label: el resultado previsto
-
probability: la probabilidad de que la etiqueta prevista sea correcta
-
labels: la lista de todas las etiquetas posibles
-
probabilities: las probabilidades correspondientes a cada etiqueta (el orden de esta lista coincide con el orden de las etiquetas)
En el caso de los modelos de predicción numérica, la predicción solo contiene el campo score, que es el resultado previsto del modelo, como el precio previsto de una vivienda.
En el caso de los modelos de previsión de series temporales, la predicción es un gráfico que muestra las previsiones por cuantil. Puede elegir la vista de esquema para ver los valores numéricos pronosticados para cada cuantil.
Puede seguir realizando predicciones únicas a través de la página de pruebas de implementación o puede consultar la siguiente sección Invocación de un punto de conexión para obtener información sobre cómo invocar su punto de conexión mediante programación desde las aplicaciones.
Pruebe el despliegue de un JumpStart modelo básico
Puede chatear con un modelo JumpStart básico implementado a través de la aplicación Canvas para probar su funcionalidad antes de invocarlo mediante código.
Para conversar con un modelo JumpStart básico implementado, haga lo siguiente:
-
Abra la aplicación SageMaker Canvas.
-
En el panel de navegación izquierdo, selecciona ML Ops.
-
Elija la pestaña Implementaciones.
-
En la lista de despliegues, busca el que quieras invocar y selecciona su icono de Más opciones ()
. -
En el menú contextual, seleccione Probar despliegue.
-
Se abrirá un nuevo chat sobre cómo generar, extraer y resumir contenido con el modelo JumpStart básico y podrá empezar a escribir las instrucciones. Ten en cuenta que las solicitudes de este chat se envían como solicitudes a tu SageMaker terminal de hosting.
