AI Benchmark

4,4
1,54 tis. mnenj
100 tis.+
Prenosi
Kategorija vsebine
Primerno za vse
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona
Slika posnetka zaslona

O tej aplikaciji

Ustvarjanje živčne slike, prepoznavanje obraza, klasifikacija slike, odgovarjanje na vprašanja ...

Ali je vaš pametni telefon sposoben poganjati najnovejša globoka nevronska omrežja za izvajanje teh in mnogih drugih nalog, ki temeljijo na AI? Ali ima namenski AI čip? Ali je dovolj hitro? Zaženite AI Benchmark, da profesionalno ocenite njegovo zmogljivost AI!

Trenutna lestvica telefonov: http://ai-benchmark.com/ranking

AI Benchmark meri hitrost, natančnost, porabo energije in zahteve po pomnilniku za več ključnih modelov AI, Computer Vision in NLP. Med preizkušenimi rešitvami so metode razvrščanja slik in prepoznavanja obrazov, modeli AI, ki izvajajo nevronsko generiranje slik in besedila, nevronske mreže, ki se uporabljajo za super ločljivost slik/videoposnetkov in izboljšavo fotografij, kot tudi rešitve AI, ki se uporabljajo v sistemih za avtonomno vožnjo in pametnih telefonih za resnične Ocena časovne globine in Semantična segmentacija podobe. Vizualizacija rezultatov algoritmov omogoča grafično oceno njihovih rezultatov in spoznavanje trenutnega stanja na različnih področjih AI.

Skupaj AI Benchmark sestavlja 83 testov in 30 razdelkov, navedenih spodaj:

Razdelek 1. Razvrstitev, MobileNet-V3
Razdelek 2. Razvrstitev, Začetek-V3
Oddelek 3. Prepoznavanje obraza, Swin Transformer
Razdelek 4. Razvrstitev, EfficientNet-B4
Razdelek 5. Razvrstitev, MobileViT-V2
Oddelki 6/7. Vzporedna izvedba modela, 8 x Inception-V3
Oddelek 8. Sledenje predmetom, YOLO-V8
Sekcija 9. Optično prepoznavanje znakov, ViT transformator
Razdelek 10. Semantična segmentacija, DeepLabV3+
Razdelek 11. Vzporedna segmentacija, 2 x DeepLabV3+
Razdelek 12. Semantična segmentacija, segmentirajte karkoli
Razdelek 13. Razmeglitev fotografij, IMDN
Oddelek 14. Super-Resolution slike, ESRGAN
Oddelek 15. Super-Resolution slike, SRGAN
Oddelek 16. Odpravljanje šumov slike, U-Net
Oddelek 17. Ocena globine, MV3-globina
Poglavje 18. Ocena globine, MiDaS 3.1
Oddelek 19/20. Izboljšanje slike, DPED
Oddelek 21. ISP naučene kamere, MicroISP
Razdelek 22. Upodabljanje učinka bokeh, PyNET-V2 Mobile
Oddelek 23. FullHD Video Super-Resolution, XLSR
Oddelek 24/25. 4K Video Super-Resolution, VideoSR
Razdelek 26. Odgovarjanje na vprašanja, MobileBERT
Razdelek 27. Generiranje živčnega besedila, Llama2
Razdelek 28. Generiranje živčnega besedila, GPT2
Razdelek 29. Generiranje nevronske slike, stabilna difuzija V1.5
Razdelek 30. Omejitve pomnilnika, ResNet

Poleg tega lahko naložite in preizkusite lastne modele globokega učenja TensorFlow Lite v načinu PRO.

Podroben opis testov najdete tukaj: http://ai-benchmark.com/tests.html

Opomba: Pospeševanje strojne opreme je podprto na vseh mobilnih procesorjih SoC z namenskimi pospeševalniki NPU in AI, vključno z nabori čipov Qualcomm Snapdragon, MediaTek Dimensity / Helio, Google Tensor, HiSilicon Kirin, Samsung Exynos in UNISOC Tiger. Začenši z AI Benchmark v4, lahko v nastavitvah omogočite tudi pospeševanje AI na podlagi GPU na starejših napravah (»Pospeši« -> »Omogoči pospešek GPU« / »Omogoči NN«, potreben je OpenGL ES-3.0+).
Posodobljeno dne
25. sep. 2024

Varnost podatkov

Razumevanje, kako razvijalci zbirajo in razkrivajo vaše podatke, je prvi korak do varnosti. Varovanje podatkov in zagotavljanje varnosti podatkov se morda razlikujeta glede na vašo uporabo, območje in starost. Razvijalec je zagotovil te podatke in jih bo sčasoma morda posodobil.
Podatki se ne razkrivajo drugim ponudnikom
Preberite več o tem, kako razvijalci najavijo deljenje.
Zbranih ni bilo nič podatkov.
Preberite več o tem, kako razvijalci najavijo zbiranje.

Ocene in mnenja

4,4
1,48 tis. mnenj

Kaj je novega

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.