AI Benchmark

Ignatov Andrey

Հավելվածի մասին

Նյարդային պատկերների ստեղծում, դեմքի ճանաչում, պատկերների դասակարգում, հարցերի պատասխաններ...

Արդյո՞ք ձեր սմարթֆոնն ընդունակ է գործարկել վերջին Deep Neural Networks-ը՝ այս և շատ այլ AI-ի վրա հիմնված առաջադրանքներ կատարելու համար: Այն ունի՞ նվիրված AI չիպ: Արդյո՞ք դա բավական արագ է: Գործարկեք AI Benchmark-ը՝ պրոֆեսիոնալ կերպով գնահատելու իր AI-ի կատարումը:

Հեռախոսի ընթացիկ վարկանիշը՝ http://ai-benchmark.com/ranking

AI Benchmark-ը չափում է արագությունը, ճշգրտությունը, էներգիայի սպառումը և հիշողության պահանջները մի քանի հիմնական AI, Computer Vision և NLP մոդելների համար: Փորձարկված լուծումների թվում են պատկերների դասակարգման և դեմքի ճանաչման մեթոդները, ինտելեկտի մոդելները, որոնք կատարում են նեյրոնային պատկեր և տեքստի ստեղծում, նեյրոնային ցանցեր, որոնք օգտագործվում են պատկերի/տեսանյութի սուպերլուծման և լուսանկարների բարելավման համար, ինչպես նաև AI լուծումները, որոնք օգտագործվում են ինքնավար վարորդական համակարգերում և իրական սմարթֆոններում: ժամանակի խորության գնահատում և իմաստային պատկերի հատվածավորում: Ալգորիթմների ելքերի վիզուալիզացիան թույլ է տալիս գրաֆիկորեն գնահատել դրանց արդյունքները և ծանոթանալ արհեստական ​​ինտելեկտի տարբեր ոլորտներում առկա ժամանակակից արդիությանը:

Ընդհանուր առմամբ, AI Benchmark-ը բաղկացած է 83 թեստից և ստորև թվարկված 30 բաժիններից.

Բաժին 1. Դասակարգում, MobileNet-V3
Բաժին 2. Դասակարգում, սկիզբ-V3
Բաժին 3. Դեմքի ճանաչում, Swin Transformer
Բաժին 4. Դասակարգում, EfficientNet-B4
Բաժին 5. Դասակարգում, MobileViT-V2
Բաժիններ 6/7. Զուգահեռ մոդելի կատարում, 8 x Inception-V3
Բաժին 8. Օբյեկտների հետագծում, YOLO-V8
Բաժին 9. Նիշերի օպտիկական ճանաչում, ViT տրանսֆորմատոր
Բաժին 10. Semantic Segmentation, DeepLabV3+
Բաժին 11. Զուգահեռ հատվածավորում, 2 x DeepLabV3+
Բաժին 12. Իմաստային սեգմենտացիան, սեգմենտի ցանկացած բան
Բաժին 13. Լուսանկարների քայքայումը, IMDN
Բաժին 14. Image Super-Resolution, ESRGAN
Բաժին 15. Image Super-Resolution, SRGAN
Բաժին 16. Պատկերի հեռացում, U-Net
Բաժին 17. Խորության գնահատում, MV3-Խորություն
Բաժին 18. Խորության գնահատում, MiDaS 3.1
Բաժին 19/20. Պատկերի բարելավում, DPED
Բաժին 21. Սովորած Camera ISP, MicroISP
Բաժին 22. Bokeh Effect Rendering, PyNET-V2 Mobile
Բաժին 23. FullHD Video Super-Resolution, XLSR
Բաժին 24/25. 4K Video Super-Resolution, VideoSR
Բաժին 26. Հարցի պատասխան, MobileBERT
Բաժին 27. Նյարդային տեքստի ստեղծում, Llama2
Բաժին 28. Նյարդային տեքստի ստեղծում, GPT2
Բաժին 29. Նյարդային պատկերի ստեղծում, կայուն դիֆուզիոն V1.5
Բաժին 30. Հիշողության սահմանափակումներ, ResNet

Բացի այդ, կարելի է բեռնել և փորձարկել սեփական TensorFlow Lite խորը ուսուցման մոդելները PRO ռեժիմում:

Թեստերի մանրամասն նկարագրությունը կարելի է գտնել այստեղ՝ http://ai-benchmark.com/tests.html

Նշում. Սարքավորումների արագացումը աջակցվում է բոլոր շարժական SoC-ներում, որոնք ունեն հատուկ NPU և AI արագացուցիչներ, ներառյալ Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos և UNISOC Tiger չիպսեթներ: Սկսած AI Benchmark v4-ից, կարգավորումներում կարելի է նաև ակտիվացնել GPU-ի վրա հիմնված AI արագացումը հին սարքերի վրա («Արագացում» -> «Միացնել GPU արագացումը» / «Arm NN», OpenGL ES-3.0+ պարտադիր է):

Ինչ նոր բան կա

1. LiteRT (TFLite) runtime updated to version 2.18.
2. Updated Qualcomm QNN, MediaTek Neuron, Samsung ENN, TFLite NNAPI, GPU and Hexagon NN delegates.
3. Bug fixes and performance improvements.