AI Benchmark

Ignatov Andrey

អំពី​កម្មវិធីនេះ

ការបង្កើតរូបភាពសរសៃប្រសាទ ការទទួលស្គាល់មុខ ចំណាត់ថ្នាក់រូបភាព ការឆ្លើយសំណួរ...

តើស្មាតហ្វូនរបស់អ្នកអាចដំណើរការនូវ Deep Neural Networks ចុងក្រោយបង្អស់ ដើម្បីបំពេញការងារទាំងនេះ និងការងារដែលមានមូលដ្ឋានលើ AI ផ្សេងទៀតដែរឬទេ? តើវាមាន AI Chip ពិសេសទេ? តើវាលឿនគ្រប់គ្រាន់ទេ? ដំណើរការ AI Benchmark ដើម្បីវាយតម្លៃវិជ្ជាជីវៈ AI Performance របស់វា!

ចំណាត់ថ្នាក់ទូរស័ព្ទបច្ចុប្បន្ន៖ http://ai-benchmark.com/ranking

AI Benchmark វាស់ល្បឿន ភាពត្រឹមត្រូវ ការប្រើប្រាស់ថាមពល និងតម្រូវការអង្គចងចាំសម្រាប់ម៉ូដែល AI សំខាន់ៗមួយចំនួន កុំព្យូទ័រ Vision និង NLP ។ ក្នុងចំណោមដំណោះស្រាយដែលបានសាកល្បងគឺ វិធីសាស្ត្រចាត់ថ្នាក់រូបភាព និងសម្គាល់មុខ ម៉ូដែល AI ដំណើរការរូបភាពសរសៃប្រសាទ និងការបង្កើតអត្ថបទ បណ្តាញសរសៃប្រសាទដែលប្រើសម្រាប់រូបភាព/វីដេអូ Super-Resolution និង Photo Enhancement ក៏ដូចជាដំណោះស្រាយ AI ដែលប្រើក្នុងប្រព័ន្ធបើកបរស្វយ័ត និងស្មាតហ្វូនសម្រាប់ពិត។ ការប៉ាន់ស្មានជម្រៅពេលវេលា និងការបែងចែករូបភាពតាមន័យធៀប។ ការមើលឃើញនៃលទ្ធផលនៃក្បួនដោះស្រាយអនុញ្ញាតឱ្យវាយតម្លៃលទ្ធផលរបស់ពួកគេជាក្រាហ្វិក និងដើម្បីដឹងពីភាពទាន់សម័យនាពេលបច្ចុប្បន្ននៅក្នុងវិស័យ AI ផ្សេងៗ។

សរុបមក AI Benchmark មាន 83 តេស្ត និង 30 ផ្នែកដែលបានរាយខាងក្រោម៖

ផ្នែកទី 1. ការចាត់ថ្នាក់, MobileNet-V3
ផ្នែកទី 2. ការចាត់ថ្នាក់, Inception-V3
ផ្នែកទី 3. ការទទួលស្គាល់មុខ, Swin Transformer
ផ្នែកទី 4. ការចាត់ថ្នាក់, EfficientNet-B4
ផ្នែកទី 5. ការចាត់ថ្នាក់, MobileViT-V2
ផ្នែកទី 6/7 ។ ការប្រតិបត្តិគំរូប៉ារ៉ាឡែល, 8 x Inception-V3
ផ្នែកទី 8. ការតាមដានវត្ថុ, YOLO-V8
ផ្នែកទី 9. ការទទួលស្គាល់តួអក្សរអុបទិក, ViT Transformer
ផ្នែកទី 10. ការបែងចែកតាមន័យធៀប, DeepLabV3+
ផ្នែកទី 11. ការបែងចែកប៉ារ៉ាឡែល, 2 x DeepLabV3+
ផ្នែកទី 12. Semantic Segmentation, Segment Anything
ផ្នែកទី 13. ការលុបរូបភាព, IMDN
ផ្នែកទី 14. រូបភាព Super-Resolution, ESRGAN
ផ្នែកទី 15. រូបភាព Super-Resolution, SRGAN
ផ្នែកទី 16. ការបដិសេធរូបភាព, U-Net
ផ្នែកទី 17. ការប៉ាន់ប្រមាណជម្រៅ, MV3- ជម្រៅ
ផ្នែកទី 18. ការប៉ាន់ប្រមាណជម្រៅ, MiDaS 3.1
ផ្នែកទី 19/20 ។ ការកែលម្អរូបភាព, DPED
ផ្នែកទី 21. បានរៀន Camera ISP, MicroISP
ផ្នែកទី 22. ការបង្ហាញបែបផែន Bokeh, PyNET-V2 Mobile
ផ្នែកទី 23. FullHD Video Super-Resolution, XLSR
ផ្នែកទី 24/25 ។ វីដេអូកម្រិត 4K Super-Resolution, VideoSR
ផ្នែកទី 26. សំណួរចម្លើយ, MobileBERT
ផ្នែកទី 27. Neural Text Generation, Llama2
ផ្នែកទី 28. ការបង្កើតអត្ថបទសរសៃប្រសាទ, GPT2
ផ្នែកទី 29. ការបង្កើតរូបភាពសរសៃប្រសាទ, Stable Diffusion V1.5
ផ្នែកទី 30. ដែនកំណត់នៃការចងចាំ, ResNet

លើសពីនេះ មនុស្សម្នាក់អាចផ្ទុក និងសាកល្បងម៉ូដែលសិក្សាជ្រៅៗ TensorFlow Lite របស់ពួកគេនៅក្នុងរបៀប PRO ។

ការពិពណ៌នាលម្អិតនៃការធ្វើតេស្តអាចរកបាននៅទីនេះ៖ http://ai-benchmark.com/tests.html

ចំណាំ៖ ការបង្កើនល្បឿនផ្នែករឹងត្រូវបានគាំទ្រនៅលើ SoCs ទូរសព្ទចល័តទាំងអស់ជាមួយនឹង NPUs និង AI accelerators ដែលខិតខំប្រឹងប្រែង រួមទាំង Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos និងបន្ទះឈីប UNISOC Tiger ។ ចាប់ផ្តើមពី AI Benchmark v4 អ្នកក៏អាចបើកការបង្កើនល្បឿន AI ផ្អែកលើ GPU នៅលើឧបករណ៍ចាស់ៗនៅក្នុងការកំណត់ ("បង្កើនល្បឿន" -> "បើកដំណើរការ GPU Acceleration" / "Arm NN", OpenGL ES-3.0+ គឺត្រូវបានទាមទារ)។

អ្វី​ដែល​ថ្មី

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.