AI Benchmark

Ignatov Andrey

આ ઍપનું વર્ણન

ન્યુરલ ઈમેજ જનરેશન, ફેસ રેકગ્નિશન, ઈમેજ ક્લાસિફિકેશન, પ્રશ્નના જવાબ...

શું તમારો સ્માર્ટફોન આ અને અન્ય ઘણા AI-આધારિત કાર્યો કરવા માટે નવીનતમ ડીપ ન્યુરલ નેટવર્ક ચલાવવા માટે સક્ષમ છે? શું તેમાં સમર્પિત AI ચિપ છે? શું તે પૂરતું ઝડપી છે? તેના AI પ્રદર્શનનું વ્યાવસાયિક મૂલ્યાંકન કરવા માટે AI બેન્ચમાર્ક ચલાવો!

વર્તમાન ફોન રેન્કિંગ: http://ai-benchmark.com/ranking

AI બેન્ચમાર્ક કેટલાક કી AI, કમ્પ્યુટર વિઝન અને NLP મોડલ્સ માટે ઝડપ, ચોકસાઈ, પાવર વપરાશ અને મેમરી જરૂરિયાતોને માપે છે. ચકાસાયેલ ઉકેલોમાં ઇમેજ ક્લાસિફિકેશન અને ફેસ રેકગ્નિશન મેથડ, ન્યુરલ ઇમેજ અને ટેક્સ્ટ જનરેશન કરતા AI મૉડલ્સ, ઇમેજ/વિડિયો સુપર-રિઝોલ્યુશન અને ફોટો એન્હાન્સમેન્ટ માટે ઉપયોગમાં લેવાતા ન્યુરલ નેટવર્ક્સ, તેમજ ઑટોનોમસ ડ્રાઇવિંગ સિસ્ટમ્સમાં વપરાતા AI સોલ્યુશન્સ અને સ્માર્ટફોન માટે વાસ્તવિક સમય ઊંડાઈ અંદાજ અને સિમેન્ટીક ઈમેજ સેગ્મેન્ટેશન. અલ્ગોરિધમ્સના આઉટપુટનું વિઝ્યુલાઇઝેશન તેમના પરિણામોનું ગ્રાફિકલી મૂલ્યાંકન કરવા અને વિવિધ AI ક્ષેત્રોમાં વર્તમાન અદ્યતન સ્થિતિને જાણવાની મંજૂરી આપે છે.

કુલ મળીને, AI બેન્ચમાર્કમાં નીચે સૂચિબદ્ધ 83 પરીક્ષણો અને 30 વિભાગોનો સમાવેશ થાય છે:

વિભાગ 1. વર્ગીકરણ, MobileNet-V3
વિભાગ 2. વર્ગીકરણ, પ્રારંભ-V3
વિભાગ 3. ફેસ રેકગ્નિશન, સ્વિન ટ્રાન્સફોર્મર
વિભાગ 4. વર્ગીકરણ, EfficientNet-B4
વિભાગ 5. વર્ગીકરણ, MobileViT-V2
વિભાગો 6/7. સમાંતર મોડલ એક્ઝેક્યુશન, 8 x ઇન્સેપ્શન-V3
વિભાગ 8. ઑબ્જેક્ટ ટ્રેકિંગ, YOLO-V8
વિભાગ 9. ઓપ્ટિકલ કેરેક્ટર રેકગ્નિશન, ViT ટ્રાન્સફોર્મર
વિભાગ 10. સિમેન્ટીક સેગ્મેન્ટેશન, DeepLabV3+
વિભાગ 11. સમાંતર વિભાજન, 2 x DeepLabV3+
વિભાગ 12. સિમેન્ટીક સેગ્મેન્ટેશન, સેગમેન્ટ કંઈપણ
વિભાગ 13. ફોટો ડિબ્લરિંગ, IMDN
વિભાગ 14. છબી સુપર-રીઝોલ્યુશન, ESRGAN
વિભાગ 15. છબી સુપર-રીઝોલ્યુશન, SRGAN
વિભાગ 16. ઈમેજ ડિનોઈઝીંગ, યુ-નેટ
વિભાગ 17. ઊંડાઈ અંદાજ, MV3-ઊંડાઈ
વિભાગ 18. ઊંડાઈ અંદાજ, MiDaS 3.1
કલમ 19/20. ઇમેજ એન્હાન્સમેન્ટ, DPED
વિભાગ 21. શીખ્યા કેમેરા ISP, MicroISP
વિભાગ 22. બોકેહ ઇફેક્ટ રેન્ડરિંગ, PyNET-V2 મોબાઇલ
વિભાગ 23. ફુલએચડી વિડિયો સુપર-રિઝોલ્યુશન, XLSR
કલમ 24/25. 4K વિડીયો સુપર-રીઝોલ્યુશન, વિડીયોએસઆર
વિભાગ 26. પ્રશ્નના જવાબ, MobileBERT
વિભાગ 27. ન્યુરલ ટેક્સ્ટ જનરેશન, લામા2
વિભાગ 28. ન્યુરલ ટેક્સ્ટ જનરેશન, GPT2
વિભાગ 29. ન્યુરલ ઈમેજ જનરેશન, સ્ટેબલ ડિફ્યુઝન V1.5
વિભાગ 30. મેમરી મર્યાદા, ResNet

તે ઉપરાંત, વ્યક્તિ પોતાના ટેન્સરફ્લો લાઇટ ડીપ લર્નિંગ મોડલ્સને PRO મોડમાં લોડ અને ટેસ્ટ કરી શકે છે.

પરીક્ષણોનું વિગતવાર વર્ણન અહીં મળી શકે છે: http://ai-benchmark.com/tests.html

નોંધ: હાર્ડવેર પ્રવેગકને સમર્પિત NPUs અને AI પ્રવેગક સાથેના તમામ મોબાઇલ SoCs પર સપોર્ટેડ છે, જેમાં Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos અને UNISOC ટાઇગર ચિપસેટ્સનો સમાવેશ થાય છે. AI બેન્ચમાર્ક v4 થી શરૂ કરીને, તમે સેટિંગ્સમાં જૂના ઉપકરણો પર GPU- આધારિત AI પ્રવેગકને પણ સક્ષમ કરી શકો છો ("એક્સીલરેટ" -> "GPU પ્રવેગક સક્ષમ કરો" / "આર્મ NN", OpenGL ES-3.0+ જરૂરી છે).

નવું શું છે?

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.