我们在进行普通软件测试的时候，第一步是要进行冒烟测试，那么在测试人工智能软件的时候第一步是要做什么呢？其实同样是要做冒烟测试，本文就通过两步给大家介绍怎样做AI软件的冒烟测试

一、第一步------------了解冒烟测试的作用

目标

掌握冒烟测试在软件测试中的作用

步骤

1.开发提测软件版本

2.测试根据冒烟测试用例对软件进行冒烟测试

3.冒烟测试没通过不进行系统测试，让研发重新提测

4.冒烟测试通过后按照功能进行正常的版本回归测试

5.测试没有bug后软件上线

冒烟测试作用：

1.冒烟测试可以避免无用的测试，重大流程走不通继续测试没意义

2.冒烟测试在第一时间确保了核心流程是否有问题，提高了测试的效率

二、第二步----------------进行AI软件的冒烟测试

目标

掌握AI软件测试的方法和关键代码

步骤

1 获取测试数据

sample=pd.read_csv("train_data.csv")

2 获取研发给的标准化后的模型

scaler_root_path = "../scaler/"
scaler_path = scaler_root_path + sorted(os.listdir(scaler_root_path))[-1]
scaler = joblib.load(scaler_path)

3 对测试数据实现同样的标准化

sca_fea = scaler.transform(sample.iloc[:,0:len(sample.columns)-1])

4 获取研发给的待测系统的模型

model_root_path = "../gbdt_model/"
model_path = model_root_path + sorted(os.listdir(model_root_path))[-1]
model = joblib.load(model_path)

5 模型预测

score = model.predict(sca_fea)

6 得出冒烟测试的auc值

auc=roc_auc_score(sample.iloc[:,-1],score)

7 打印并评估冒烟测试指标

print("冒烟测试的auc值为"+str(auc))

总结

冒烟测试可以提高测试效率，其在人工智能软件测试中能起到同样的作用，不同的是人工智能软件的冒烟测试需要通过对研发提交的模型通过写代码的方式来进行，一般冒烟测试的指标就是实现模型算法的评测指标比如说：准确率，如果这个准确率大于研发的提测要求，就算冒烟测试通过，否则冒烟测试没通过。