AI Benchmark

Ignatov Andrey

ამ აპის შესახებ

ნერვული გამოსახულების გენერაცია, სახის ამოცნობა, გამოსახულების კლასიფიკაცია, კითხვებზე პასუხის გაცემა...

შეუძლია თუ არა თქვენს სმარტფონს აწარმოოს უახლესი ღრმა ნერვული ქსელები ამ და მრავალი სხვა AI-ზე დაფუძნებული ამოცანების შესასრულებლად? აქვს თუ არა მას გამოყოფილი AI ჩიპი? საკმარისად სწრაფია? გაუშვით AI Benchmark, რომ პროფესიონალურად შეაფასოთ მისი AI შესრულება!

ამჟამინდელი ტელეფონის რეიტინგი: http://ai-benchmark.com/ranking

AI Benchmark ზომავს სიჩქარეს, სიზუსტეს, ენერგიის მოხმარებას და მეხსიერების მოთხოვნებს რამდენიმე ძირითადი AI, Computer Vision და NLP მოდელებისთვის. ტესტირებულ გადაწყვეტილებებს შორისაა სურათების კლასიფიკაციისა და სახის ამოცნობის მეთოდები, ხელოვნური ინტელექტის მოდელები, რომლებიც ასრულებენ ნერვულ გამოსახულების და ტექსტის გენერირებას, ნერვულ ქსელებს, რომლებიც გამოიყენება გამოსახულების / ვიდეოს სუპერ გარჩევადობისთვის და ფოტო გაუმჯობესებისთვის, ასევე AI გადაწყვეტილებები, რომლებიც გამოიყენება ავტონომიური მართვის სისტემებში და სმარტფონებში რეალურად. დროის სიღრმის შეფასება და სემანტიკური გამოსახულების სეგმენტაცია. ალგორითმების შედეგების ვიზუალიზაცია საშუალებას გაძლევთ გრაფიკულად შეაფასოთ მათი შედეგები და გაეცნოთ თანამედროვე ხელოვნური ინტელექტის სხვადასხვა სფეროში.

საერთო ჯამში, AI Benchmark შედგება 83 ტესტისგან და 30 სექციისგან, რომლებიც ჩამოთვლილია ქვემოთ:

ნაწილი 1. კლასიფიკაცია, MobileNet-V3
ნაწილი 2. კლასიფიკაცია, საწყისი-V3
ნაწილი 3. სახის ამოცნობა, Swin Transformer
ნაწილი 4. კლასიფიკაცია, EfficientNet-B4
ნაწილი 5. კლასიფიკაცია, MobileViT-V2
სექციები 6/7. პარალელური მოდელის შესრულება, 8 x Inception-V3
ნაწილი 8. ობიექტების თვალყურის დევნება, YOLO-V8
ნაწილი 9. ოპტიკური სიმბოლოების ამოცნობა, ViT ტრანსფორმატორი
ნაწილი 10. სემანტიკური სეგმენტაცია, DeepLabV3+
ნაწილი 11. პარალელური სეგმენტაცია, 2 x DeepLabV3+
ნაწილი 12. სემანტიკური სეგმენტაცია, სეგმენტი რაიმე
ნაწილი 13. ფოტოს დაბინდვა, IMDN
ნაწილი 14. გამოსახულების სუპერ რეზოლუცია, ESRGAN
ნაწილი 15. გამოსახულების სუპერ რეზოლუცია, SRGAN
ნაწილი 16. გამოსახულების დენოიზირება, U-Net
ნაწილი 17. სიღრმის შეფასება, MV3-სიღრმე
ნაწილი 18. სიღრმის შეფასება, MiDaS 3.1
ნაწილი 19/20. გამოსახულების გაუმჯობესება, DPED
ნაწილი 21. ნასწავლი კამერის ISP, MicroISP
ნაწილი 22. Bokeh Effect Rendering, PyNET-V2 Mobile
ნაწილი 23. FullHD ვიდეო სუპერ გარჩევადობა, XLSR
ნაწილი 24/25. 4K ვიდეო სუპერ გარჩევადობა, VideoSR
ნაწილი 26. კითხვაზე პასუხის გაცემა, MobileBERT
ნაწილი 27. ნერვული ტექსტის გენერაცია, ლამა2
ნაწილი 28. ნერვული ტექსტის გენერაცია, GPT2
ნაწილი 29. ნერვული გამოსახულების გენერაცია, სტაბილური დიფუზია V1.5
ნაწილი 30. მეხსიერების ლიმიტები, ResNet

გარდა ამისა, შეგიძლიათ ჩატვირთოთ და შეამოწმოთ საკუთარი TensorFlow Lite ღრმა სწავლის მოდელები PRO რეჟიმში.

ტესტების დეტალური აღწერა შეგიძლიათ იხილოთ აქ: http://ai-benchmark.com/tests.html

შენიშვნა: აპარატურის აჩქარება მხარდაჭერილია ყველა მობილურ SoC-ზე გამოყოფილი NPU-ებით და AI ამაჩქარებლებით, მათ შორის Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos და UNISOC Tiger ჩიპსეტებით. AI Benchmark v4-დან დაწყებული, ასევე შეგიძლიათ ჩართოთ GPU-ზე დაფუძნებული AI აჩქარება ძველ მოწყობილობებზე პარამეტრებში ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN", საჭიროა OpenGL ES-3.0+).

სიახლე

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.