AI Benchmark

Ignatov Andrey

Kuhusu programu hii

Uundaji wa Picha za Neural, Utambuzi wa Uso, Uainishaji wa Picha, Majibu ya Maswali...

Je, simu yako mahiri inaweza kuendesha Mitandao ya hivi punde zaidi ya Neural ili kutekeleza kazi hizi na zingine nyingi zinazotegemea AI? Je, ina AI Chip iliyojitolea? Je, ni haraka vya kutosha? Endesha Benchmark ya AI ili kutathmini kitaaluma Utendaji wake wa AI!

Nafasi ya sasa ya simu: http://ai-benchmark.com/ranking

Kiwango cha AI hupima kasi, usahihi, matumizi ya nguvu na mahitaji ya kumbukumbu kwa miundo kadhaa muhimu ya AI, Maono ya Kompyuta na NLP. Miongoni mwa masuluhisho yaliyojaribiwa ni pamoja na Uainishaji wa Picha na Mbinu za Utambuzi wa Uso, mifano ya AI inayotengeneza picha za neural na utengenezaji wa maandishi, mitandao ya neural inayotumika kwa Azimio Bora la Picha/Video na Uboreshaji wa Picha, na pia suluhisho za AI zinazotumiwa katika mifumo ya kuendesha gari inayojitegemea na simu mahiri. Ukadiriaji wa Kina cha wakati na Sehemu ya Picha ya Semantiki. Taswira ya matokeo ya algoriti huruhusu kutathmini matokeo yao kwa michoro na kupata kujua hali ya sasa ya sanaa katika nyanja mbalimbali za AI.

Kwa jumla, Benchmark ya AI ina majaribio 83 na sehemu 30 zilizoorodheshwa hapa chini:

Sehemu ya 1. Uainishaji, MobileNet-V3
Sehemu ya 2. Uainishaji, Kuanzishwa-V3
Sehemu ya 3. Utambuzi wa Uso, Swin Transformer
Sehemu ya 4. Uainishaji, EfficientNet-B4
Sehemu ya 5. Uainishaji, MobileViT-V2
Sehemu 6/7. Utekelezaji wa Muundo Sambamba, 8 x Kuanzishwa-V3
Sehemu ya 8. Ufuatiliaji wa Kitu, YOLO-V8
Sehemu ya 9. Utambuzi wa Tabia ya Macho, Transformer ya ViT
Sehemu ya 10. Sehemu ya Semantic, DeepLabV3+
Sehemu ya 11. Sehemu Sambamba, 2 x DeepLabV3+
Sehemu ya 12. Mgawanyiko wa Semantic, Sehemu Yoyote
Sehemu ya 13. Utatuzi wa Picha, IMDN
Sehemu ya 14. Image Super-Resolution, ESRGAN
Sehemu ya 15. Image Super-Resolution, SRGAN
Sehemu ya 16. Picha ya Denoising, U-Net
Sehemu ya 17. Ukadiriaji wa Kina, MV3-Kina
Sehemu ya 18. Ukadiriaji wa Kina, MiDaS 3.1
Sehemu ya 19/20. Uboreshaji wa Picha, DPED
Sehemu ya 21. ISP ya Kamera Iliyojifunza, MicroISP
Sehemu ya 22. Utoaji wa Athari ya Bokeh, Simu ya PyNET-V2
Sehemu ya 23. FullHD Video Super-Resolution, XLSR
Sehemu ya 24/25. Azimio Bora la Video ya 4K, VideoSR
Sehemu ya 26. Majibu ya Maswali, MobileBERT
Sehemu ya 27. Uzalishaji wa Maandishi ya Neural, Llama2
Sehemu ya 28. Uzalishaji wa Maandishi ya Neural, GPT2
Sehemu ya 29. Uzalishaji wa Picha ya Neural, Usambazaji Imara V1.5
Sehemu ya 30. Mipaka ya Kumbukumbu, ResNet

Kando na hayo, mtu anaweza kupakia na kujaribu miundo yao ya kina ya kujifunza ya TensorFlow Lite katika Modi ya PRO.

Maelezo ya kina ya majaribio yanaweza kupatikana hapa: http://ai-benchmark.com/tests.html

Kumbuka: Uongezaji kasi wa maunzi unaauniwa kwenye SoC zote za rununu zilizo na NPU zilizojitolea na vichapuzi vya AI, ikijumuisha Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos, na chipsets za UNISOC Tiger. Kuanzia AI Benchmark v4, mtu anaweza pia kuwezesha uongezaji kasi wa AI inayotegemea GPU kwenye vifaa vya zamani katika mipangilio ("Ongeza kasi" -> "Washa Uongezaji Kasi wa GPU" / "Arm NN", OpenGL ES-3.0+ inahitajika).

Vipengele vipya

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.