AI Benchmark

Ignatov Andrey

ഈ ആപ്പിനെക്കുറിച്ച്

ന്യൂറൽ ഇമേജ് ജനറേഷൻ, മുഖം തിരിച്ചറിയൽ, ഇമേജ് വർഗ്ഗീകരണം, ചോദ്യത്തിനുള്ള ഉത്തരം...

ഇവയും മറ്റ് നിരവധി AI- അധിഷ്‌ഠിത ജോലികളും നിർവഹിക്കുന്നതിന് ഏറ്റവും പുതിയ ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ പ്രവർത്തിപ്പിക്കാൻ നിങ്ങളുടെ സ്‌മാർട്ട്‌ഫോണിന് കഴിയുമോ? ഇതിന് ഒരു സമർപ്പിത AI ചിപ്പ് ഉണ്ടോ? വേഗം മതിയോ? അതിൻ്റെ AI പ്രകടനം പ്രൊഫഷണലായി വിലയിരുത്തുന്നതിന് AI ബെഞ്ച്മാർക്ക് പ്രവർത്തിപ്പിക്കുക!

നിലവിലെ ഫോൺ റാങ്കിംഗ്: http://ai-benchmark.com/ranking

നിരവധി പ്രധാന AI, കമ്പ്യൂട്ടർ വിഷൻ, NLP മോഡലുകളുടെ വേഗത, കൃത്യത, ഊർജ്ജ ഉപഭോഗം, മെമ്മറി ആവശ്യകതകൾ എന്നിവ AI ബെഞ്ച്മാർക്ക് അളക്കുന്നു. ഇമേജ് ക്ലാസിഫിക്കേഷൻ, ഫേസ് റെക്കഗ്നിഷൻ രീതികൾ, ന്യൂറൽ ഇമേജും ടെക്സ്റ്റ് ജനറേഷനും നടത്തുന്ന AI മോഡലുകൾ, ഇമേജ് / വീഡിയോ സൂപ്പർ റെസല്യൂഷനും ഫോട്ടോ എൻഹാൻസ്‌മെൻ്റിനും ഉപയോഗിക്കുന്ന ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ, കൂടാതെ ഓട്ടോണമസ് ഡ്രൈവിംഗ് സിസ്റ്റങ്ങളിലും സ്മാർട്ട്‌ഫോണുകളിലും ഉപയോഗിക്കുന്ന AI സൊല്യൂഷനുകൾ എന്നിവ പരീക്ഷിച്ച പരിഹാരങ്ങളിൽ ഉൾപ്പെടുന്നു. സമയ ഡെപ്ത് എസ്റ്റിമേഷനും സെമാൻ്റിക് ഇമേജ് സെഗ്മെൻ്റേഷനും. അൽഗോരിതങ്ങളുടെ ഔട്ട്‌പുട്ടുകളുടെ ദൃശ്യവൽക്കരണം അവയുടെ ഫലങ്ങൾ ഗ്രാഫിക്കായി വിലയിരുത്താനും വിവിധ AI ഫീൽഡുകളിലെ നിലവിലെ അത്യാധുനികത അറിയാനും അനുവദിക്കുന്നു.

മൊത്തത്തിൽ, AI ബെഞ്ച്മാർക്കിൽ 83 ടെസ്റ്റുകളും 30 വിഭാഗങ്ങളും താഴെ ലിസ്റ്റ് ചെയ്തിരിക്കുന്നു:

വിഭാഗം 1. വർഗ്ഗീകരണം, MobileNet-V3
വിഭാഗം 2. വർഗ്ഗീകരണം, തുടക്കം-V3
വിഭാഗം 3. മുഖം തിരിച്ചറിയൽ, സ്വിൻ ട്രാൻസ്ഫോർമർ
വിഭാഗം 4. വർഗ്ഗീകരണം, കാര്യക്ഷമമായ നെറ്റ്-ബി4
വിഭാഗം 5. വർഗ്ഗീകരണം, MobileViT-V2
വിഭാഗങ്ങൾ 6/7. പാരലൽ മോഡൽ എക്സിക്യൂഷൻ, 8 x ഇൻസെപ്ഷൻ-V3
വിഭാഗം 8. ഒബ്ജക്റ്റ് ട്രാക്കിംഗ്, YOLO-V8
വിഭാഗം 9. ഒപ്റ്റിക്കൽ ക്യാരക്ടർ റെക്കഗ്നിഷൻ, വിടി ട്രാൻസ്ഫോർമർ
വിഭാഗം 10. സെമാൻ്റിക് സെഗ്മെൻ്റേഷൻ, DeepLabV3+
വിഭാഗം 11. പാരലൽ സെഗ്മെൻ്റേഷൻ, 2 x DeepLabV3+
വിഭാഗം 12. സെമാൻ്റിക് സെഗ്മെൻ്റേഷൻ, സെഗ്മെൻ്റ് എന്തും
വിഭാഗം 13. ഫോട്ടോ ഡീബ്ലറിംഗ്, IMDN
വിഭാഗം 14. ഇമേജ് സൂപ്പർ-റെസല്യൂഷൻ, ESRGAN
വിഭാഗം 15. ഇമേജ് സൂപ്പർ റെസല്യൂഷൻ, SRGAN
വിഭാഗം 16. ഇമേജ് ഡിനോയിസിംഗ്, യു-നെറ്റ്
വിഭാഗം 17. ഡെപ്ത് എസ്റ്റിമേഷൻ, MV3-ഡെപ്ത്
വിഭാഗം 18. ഡെപ്ത് എസ്റ്റിമേഷൻ, MiDaS 3.1
വകുപ്പ് 19/20. ഇമേജ് മെച്ചപ്പെടുത്തൽ, DPED
വിഭാഗം 21. പഠിച്ച ക്യാമറ ISP, MicroISP
വിഭാഗം 22. Bokeh Effect Rendering, PyNET-V2 മൊബൈൽ
വിഭാഗം 23. FullHD വീഡിയോ സൂപ്പർ-റെസല്യൂഷൻ, XLSR
വകുപ്പ് 24/25. 4K വീഡിയോ സൂപ്പർ റെസല്യൂഷൻ, VideoSR
വിഭാഗം 26. ചോദ്യോത്തരം, MobileBERT
വിഭാഗം 27. ന്യൂറൽ ടെക്സ്റ്റ് ജനറേഷൻ, ലാമ2
വിഭാഗം 28. ന്യൂറൽ ടെക്സ്റ്റ് ജനറേഷൻ, GPT2
വിഭാഗം 29. ന്യൂറൽ ഇമേജ് ജനറേഷൻ, സ്റ്റേബിൾ ഡിഫ്യൂഷൻ V1.5
വിഭാഗം 30. മെമ്മറി പരിധികൾ, ResNet

കൂടാതെ, PRO മോഡിൽ ഒരാൾക്ക് അവരുടേതായ TensorFlow Lite ഡീപ് ലേണിംഗ് മോഡലുകൾ ലോഡ് ചെയ്യാനും പരിശോധിക്കാനും കഴിയും.

ടെസ്റ്റുകളുടെ വിശദമായ വിവരണം ഇവിടെ കാണാം: http://ai-benchmark.com/tests.html

ശ്രദ്ധിക്കുക: Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos, UNISOC ടൈഗർ ചിപ്‌സെറ്റുകൾ എന്നിവയുൾപ്പെടെ, സമർപ്പിത NPU-കളും AI ആക്‌സിലറേറ്ററുകളും ഉള്ള എല്ലാ മൊബൈൽ SoC-കളിലും ഹാർഡ്‌വെയർ ആക്സിലറേഷൻ പിന്തുണയ്ക്കുന്നു. AI ബെഞ്ച്മാർക്ക് v4 മുതൽ, ക്രമീകരണങ്ങളിൽ പഴയ ഉപകരണങ്ങളിൽ GPU അടിസ്ഥാനമാക്കിയുള്ള AI ആക്സിലറേഷൻ പ്രവർത്തനക്ഷമമാക്കാനും ഒരാൾക്ക് കഴിയും ("ത്വരിതപ്പെടുത്തുക" -> "GPU ആക്സിലറേഷൻ പ്രവർത്തനക്ഷമമാക്കുക" / "Arm NN", OpenGL ES-3.0+ ആവശ്യമാണ്).

പുതിയതെന്താണുള്ളത്?

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.