AI Benchmark

Ignatov Andrey‏

درباره این برنامه

تولید تصویر عصبی، تشخیص چهره، طبقه بندی تصویر، پاسخ به سوال...

آیا گوشی هوشمند شما قادر به اجرای جدیدترین شبکه های عصبی عمیق برای انجام این کارها و بسیاری دیگر از وظایف مبتنی بر هوش مصنوعی است؟ آیا تراشه هوش مصنوعی اختصاصی دارد؟ آیا به اندازه کافی سریع است؟ AI Benchmark را اجرا کنید تا به طور حرفه ای عملکرد هوش مصنوعی آن را ارزیابی کنید!

رتبه بندی تلفن فعلی: http://ai-benchmark.com/ranking

AI Benchmark سرعت، دقت، مصرف انرژی و حافظه مورد نیاز را برای چندین مدل کلیدی AI، Computer Vision و NLP اندازه گیری می کند. در میان راه‌حل‌های آزمایش‌شده، روش‌های طبقه‌بندی تصویر و تشخیص چهره، مدل‌های هوش مصنوعی که تولید تصویر و متن عصبی را انجام می‌دهند، شبکه‌های عصبی مورد استفاده برای وضوح تصویر/فیلم فوق‌العاده و بهبود عکس، و همچنین راه‌حل‌های هوش مصنوعی مورد استفاده در سیستم‌های رانندگی خودران و گوشی‌های هوشمند برای واقعی تخمین عمق زمانی و تقسیم بندی تصویر معنایی. تجسم خروجی‌های الگوریتم‌ها به شما امکان می‌دهد نتایج آن‌ها را به صورت گرافیکی ارزیابی کنید و با آخرین وضعیت فعلی در زمینه‌های مختلف هوش مصنوعی آشنا شوید.

در مجموع، AI Benchmark از 83 تست و 30 بخش تشکیل شده است که در زیر ذکر شده است:

بخش 1. طبقه بندی، MobileNet-V3
بخش 2. طبقه بندی، Inception-V3
بخش 3. تشخیص چهره، ترانسفورماتور Swin
بخش 4. طبقه بندی، EfficientNet-B4
بخش 5. طبقه بندی، MobileViT-V2
بخش 6/7. اجرای مدل موازی، 8 x Inception-V3
بخش 8. ردیابی اشیا، YOLO-V8
بخش 9. تشخیص کاراکتر نوری، ترانسفورماتور ViT
بخش 10. Semantic Segmentation، DeepLabV3+
بخش 11. تقسیم بندی موازی، 2 x DeepLabV3+
بخش 12. تقسیم بندی معنایی، بخش هر چیزی
بخش 13. رفع تاری عکس، IMDN
بخش 14. تصویر فوق رزولوشن، ESRGAN
بخش 15. وضوح تصویر فوق العاده، SRGAN
بخش 16. حذف نویز تصویر، U-Net
بخش 17. برآورد عمق، MV3-Depth
بخش 18. برآورد عمق، MiDaS 3.1
بخش 19/20. بهبود تصویر، DPED
بخش 21. ISP دوربین آموخته شده، MicroISP
بخش 22. رندر افکت بوکه، تلفن همراه PyNET-V2
بخش 23. وضوح تصویر فوق العاده FullHD، XLSR
بخش 24/25. وضوح تصویر فوق العاده 4K، VideoSR
بخش 26. پاسخ به سؤال، MobileBERT
بخش 27. تولید متن عصبی، Llama2
بخش 28. تولید متن عصبی، GPT2
بخش 29. تولید تصویر عصبی، انتشار پایدار V1.5
بخش 30. محدودیت های حافظه، ResNet

علاوه بر این، می توانید مدل های یادگیری عمیق TensorFlow Lite خود را در حالت PRO بارگیری و آزمایش کنید.

شرح مفصلی از تست ها را می توانید در اینجا بیابید: http://ai-benchmark.com/tests.html

توجه: شتاب سخت‌افزاری در همه SoC‌های موبایل با NPU و شتاب‌دهنده‌های هوش مصنوعی اختصاصی، از جمله Qualcomm Snapdragon، MediaTek Dimensity / Helio، Google Tensor، HiSilicon Kirin، Samsung Exynos و چیپ‌ست‌های UNISOC Tiger پشتیبانی می‌شود. با شروع از AI Benchmark v4، می‌توان شتاب هوش مصنوعی مبتنی بر GPU را در دستگاه‌های قدیمی‌تر در تنظیمات فعال کرد ("Accelerate" -> "Enable GPU Acceleration" / "Arm NN"، OpenGL ES-3.0+ مورد نیاز است).

رتبه‌بندی‌ها و مرورها

مرتبا متوقف میشود

سگ تو روحت تا 99 درصد میره نصب نمیشه

ویژگی‌های جدید

1. New tasks and models: Vision Transformer (ViT) architectures, Large Language Models (LLMs), Stable Diffusion network, etc.
2. Added tests checking the performance of quantized INT16 inference.
3. LiteRT (TFLite) runtime updated to version 2.17.
4. Updated Qualcomm QNN, MediaTek Neuron, TFLite NNAPI, GPU and Hexagon NN delegates.
5. Added Arm NN delegate for AI inference acceleration on Mali GPUs.
6. The total number of tests increased to 83.