AI Benchmark
4,4star
1,51 ພັນ ຄຳຕິຊົມ
100 ກີບ+
ດາວໂຫຼດ
ທຸກຄົນ
info
ກ່ຽວກັບແອັບນີ້
ການຮັບຮູ້ໃບໜ້າ, ການຈັດປະເພດຮູບພາບ, ການຕອບຄຳຖາມ...
ສະມາດໂຟນຂອງທ່ານສາມາດແລ່ນເຄືອຂ່າຍ Deep Neural Networks ຫຼ້າສຸດເພື່ອປະຕິບັດວຽກງານເຫຼົ່ານີ້ ແລະຫຼາຍວຽກທີ່ອີງໃສ່ AI? ມັນມີຊິບ AI ທີ່ອຸທິດຕົນບໍ? ມັນໄວພຽງພໍບໍ? ແລ່ນ AI Benchmark ເພື່ອປະເມີນປະສິດທິພາບ AI ຂອງມັນຢ່າງເປັນມືອາຊີບ!
ອັນດັບໂທລະສັບໃນປະຈຸບັນ: http://ai-benchmark.com/ranking
AI Benchmark ວັດແທກຄວາມໄວ, ຄວາມຖືກຕ້ອງ, ການບໍລິໂພກພະລັງງານ ແລະຄວາມຕ້ອງການຄວາມຊົງຈໍາສໍາລັບລະບົບ AI ແລະຄອມພິວເຕີວິໄສທັດທີ່ສໍາຄັນຫຼາຍອັນ. ໃນບັນດາວິທີແກ້ໄຂທີ່ທົດສອບແມ່ນວິທີການຈັດປະເພດຮູບພາບແລະການຮັບຮູ້ໃບຫນ້າ, ເຄືອຂ່າຍ Neural ທີ່ໃຊ້ສໍາລັບຮູບພາບ / ວິດີໂອ Super-Resolution ແລະການປັບປຸງຮູບພາບ, ຮູບແບບ AI ຄາດຄະເນຂໍ້ຄວາມແລະການປະຕິບັດການຕອບຄໍາຖາມ, ເຊັ່ນດຽວກັນກັບວິທີແກ້ໄຂ AI ທີ່ໃຊ້ໃນລະບົບຂັບລົດອັດຕະໂນມັດແລະໂທລະສັບສະຫຼາດສໍາລັບຕົວຈິງ. ການຄາດຄະເນຄວາມເລິກທີ່ໃຊ້ເວລາແລະການແບ່ງສ່ວນຮູບພາບ semantic. ການສະແດງພາບຂອງຜົນໄດ້ຮັບຂອງ algorithms ຊ່ວຍໃຫ້ສາມາດປະເມີນຜົນໄດ້ຮັບຂອງພວກມັນເປັນກາຟິກແລະຮູ້ຈັກຄວາມທັນສະໄຫມໃນປະຈຸບັນໃນຂົງເຂດ AI ຕ່າງໆ.
ໃນຈໍານວນທັງຫມົດ, AI Benchmark ປະກອບດ້ວຍ 78 ການທົດສອບແລະ 26 ພາກສ່ວນທີ່ລະບຸໄວ້ຂ້າງລຸ່ມນີ້:
ພາກທີ 1. ການຈັດປະເພດ, MobileNet-V2
ພາກທີ 2. ການຈັດປະເພດ, Inception-V3
ພາກທີ 3. ການຮັບຮູ້ໃບໜ້າ, MobileNet-V3
ພາກທີ 4. ການຈັດປະເພດ, EfficientNet-B4
ພາກທີ 5/6. ການປະຕິບັດຕົວແບບຂະຫນານ, 8 x Inception-V3
ພາກທີ 7. ການຕິດຕາມວັດຖຸ, YOLO-V4
ພາກທີ 8. Optical Character Recognition, CRNN
ພາກທີ 9. Semantic Segmentation, DeepLabV3+
ພາກທີ 10. ການແບ່ງຂະໜານ, 2 x DeepLabV3+
ພາກທີ 11. ການລົບລ້າງຮູບພາບ, IMDN
ພາກທີ 12. ຮູບພາບ Super-Resolution, ESRGAN
ພາກທີ 13. Image Super-Resolution, SRGAN
ພາກທີ 14. Image Denoising, U-Net
ພາກທີ 15. ການປະເມີນຄວາມເລິກ, MV3-Depth
ພາກທີ 16. ການປັບປຸງຮູບພາບ, DPED ResNet
ພາກທີ 17. ການປັບປຸງຮູບພາບ, DPED Instance
ພາກທີ 18. ການສະແດງຜົນ Bokeh, PyNET+
ພາກທີ 19. ຮຽນຮູ້ກ້ອງຖ່າຍຮູບ ISP, PUNET
ພາກທີ 20. FullHD Video Super-Resolution, XLSR
ພາກທີ 21/22. ວິດີໂອ 4K ຄວາມລະອຽດສູງສຸດ, VideoSR
ພາກທີ 23. Text Completion, LSTM
ພາກທີ 24. ການຕອບຄໍາຖາມ, MobileBERT
ພາກທີ 25. ຂໍ້ຄວາມສໍາເລັດ, ALBERT
ພາກທີ 26. ຄວາມຈໍາຈໍາກັດ, ResNet
ນອກຈາກນັ້ນ, ຫນຶ່ງສາມາດໂຫຼດແລະທົດສອບຕົວແບບການຮຽນຮູ້ເລິກ TensorFlow Lite ຂອງເຂົາເຈົ້າເອງໃນຮູບແບບ PRO.
ລາຍລະອຽດຂອງການທົດສອບສາມາດພົບໄດ້ທີ່ນີ້: http://ai-benchmark.com/tests.html
ໝາຍເຫດ: ການເລັ່ງຮາດແວແມ່ນຮອງຮັບໃນ SoC ມືຖືທັງໝົດທີ່ມີ NPUs ແລະ AI accelerators ທີ່ອຸທິດຕົນ, ລວມທັງ Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos, MediaTek Helio / Dimensity ແລະຊິບເຊັດ UNISOC Tiger. ເລີ່ມຕົ້ນຈາກ AI Benchmark v4, ຫນຶ່ງຍັງສາມາດເປີດໃຊ້ການເລັ່ງ AI ທີ່ອີງໃສ່ GPU ໃນອຸປະກອນເກົ່າໃນການຕັ້ງຄ່າ ("ເລັ່ງ" -> "ເປີດໃຊ້ການເລັ່ງ GPU", OpenGL ES-3.0+ ແມ່ນຕ້ອງການ).
ສະມາດໂຟນຂອງທ່ານສາມາດແລ່ນເຄືອຂ່າຍ Deep Neural Networks ຫຼ້າສຸດເພື່ອປະຕິບັດວຽກງານເຫຼົ່ານີ້ ແລະຫຼາຍວຽກທີ່ອີງໃສ່ AI? ມັນມີຊິບ AI ທີ່ອຸທິດຕົນບໍ? ມັນໄວພຽງພໍບໍ? ແລ່ນ AI Benchmark ເພື່ອປະເມີນປະສິດທິພາບ AI ຂອງມັນຢ່າງເປັນມືອາຊີບ!
ອັນດັບໂທລະສັບໃນປະຈຸບັນ: http://ai-benchmark.com/ranking
AI Benchmark ວັດແທກຄວາມໄວ, ຄວາມຖືກຕ້ອງ, ການບໍລິໂພກພະລັງງານ ແລະຄວາມຕ້ອງການຄວາມຊົງຈໍາສໍາລັບລະບົບ AI ແລະຄອມພິວເຕີວິໄສທັດທີ່ສໍາຄັນຫຼາຍອັນ. ໃນບັນດາວິທີແກ້ໄຂທີ່ທົດສອບແມ່ນວິທີການຈັດປະເພດຮູບພາບແລະການຮັບຮູ້ໃບຫນ້າ, ເຄືອຂ່າຍ Neural ທີ່ໃຊ້ສໍາລັບຮູບພາບ / ວິດີໂອ Super-Resolution ແລະການປັບປຸງຮູບພາບ, ຮູບແບບ AI ຄາດຄະເນຂໍ້ຄວາມແລະການປະຕິບັດການຕອບຄໍາຖາມ, ເຊັ່ນດຽວກັນກັບວິທີແກ້ໄຂ AI ທີ່ໃຊ້ໃນລະບົບຂັບລົດອັດຕະໂນມັດແລະໂທລະສັບສະຫຼາດສໍາລັບຕົວຈິງ. ການຄາດຄະເນຄວາມເລິກທີ່ໃຊ້ເວລາແລະການແບ່ງສ່ວນຮູບພາບ semantic. ການສະແດງພາບຂອງຜົນໄດ້ຮັບຂອງ algorithms ຊ່ວຍໃຫ້ສາມາດປະເມີນຜົນໄດ້ຮັບຂອງພວກມັນເປັນກາຟິກແລະຮູ້ຈັກຄວາມທັນສະໄຫມໃນປະຈຸບັນໃນຂົງເຂດ AI ຕ່າງໆ.
ໃນຈໍານວນທັງຫມົດ, AI Benchmark ປະກອບດ້ວຍ 78 ການທົດສອບແລະ 26 ພາກສ່ວນທີ່ລະບຸໄວ້ຂ້າງລຸ່ມນີ້:
ພາກທີ 1. ການຈັດປະເພດ, MobileNet-V2
ພາກທີ 2. ການຈັດປະເພດ, Inception-V3
ພາກທີ 3. ການຮັບຮູ້ໃບໜ້າ, MobileNet-V3
ພາກທີ 4. ການຈັດປະເພດ, EfficientNet-B4
ພາກທີ 5/6. ການປະຕິບັດຕົວແບບຂະຫນານ, 8 x Inception-V3
ພາກທີ 7. ການຕິດຕາມວັດຖຸ, YOLO-V4
ພາກທີ 8. Optical Character Recognition, CRNN
ພາກທີ 9. Semantic Segmentation, DeepLabV3+
ພາກທີ 10. ການແບ່ງຂະໜານ, 2 x DeepLabV3+
ພາກທີ 11. ການລົບລ້າງຮູບພາບ, IMDN
ພາກທີ 12. ຮູບພາບ Super-Resolution, ESRGAN
ພາກທີ 13. Image Super-Resolution, SRGAN
ພາກທີ 14. Image Denoising, U-Net
ພາກທີ 15. ການປະເມີນຄວາມເລິກ, MV3-Depth
ພາກທີ 16. ການປັບປຸງຮູບພາບ, DPED ResNet
ພາກທີ 17. ການປັບປຸງຮູບພາບ, DPED Instance
ພາກທີ 18. ການສະແດງຜົນ Bokeh, PyNET+
ພາກທີ 19. ຮຽນຮູ້ກ້ອງຖ່າຍຮູບ ISP, PUNET
ພາກທີ 20. FullHD Video Super-Resolution, XLSR
ພາກທີ 21/22. ວິດີໂອ 4K ຄວາມລະອຽດສູງສຸດ, VideoSR
ພາກທີ 23. Text Completion, LSTM
ພາກທີ 24. ການຕອບຄໍາຖາມ, MobileBERT
ພາກທີ 25. ຂໍ້ຄວາມສໍາເລັດ, ALBERT
ພາກທີ 26. ຄວາມຈໍາຈໍາກັດ, ResNet
ນອກຈາກນັ້ນ, ຫນຶ່ງສາມາດໂຫຼດແລະທົດສອບຕົວແບບການຮຽນຮູ້ເລິກ TensorFlow Lite ຂອງເຂົາເຈົ້າເອງໃນຮູບແບບ PRO.
ລາຍລະອຽດຂອງການທົດສອບສາມາດພົບໄດ້ທີ່ນີ້: http://ai-benchmark.com/tests.html
ໝາຍເຫດ: ການເລັ່ງຮາດແວແມ່ນຮອງຮັບໃນ SoC ມືຖືທັງໝົດທີ່ມີ NPUs ແລະ AI accelerators ທີ່ອຸທິດຕົນ, ລວມທັງ Qualcomm Snapdragon, HiSilicon Kirin, Samsung Exynos, MediaTek Helio / Dimensity ແລະຊິບເຊັດ UNISOC Tiger. ເລີ່ມຕົ້ນຈາກ AI Benchmark v4, ຫນຶ່ງຍັງສາມາດເປີດໃຊ້ການເລັ່ງ AI ທີ່ອີງໃສ່ GPU ໃນອຸປະກອນເກົ່າໃນການຕັ້ງຄ່າ ("ເລັ່ງ" -> "ເປີດໃຊ້ການເລັ່ງ GPU", OpenGL ES-3.0+ ແມ່ນຕ້ອງການ).
ອັບເດດແລ້ວເມື່ອ
ຄວາມປອດໄພເລີ່ມດ້ວຍການເຂົ້າໃຈວ່ານັກພັດທະນາເກັບກຳ ແລະ ແບ່ງປັນຂໍ້ມູນຂອງທ່ານແນວໃດ. ວິທີປະຕິບັດກ່ຽວກັບຄວາມເປັນສ່ວນຕົວ ແລະ ຄວາມປອດໄພຂອງຂໍ້ມູນອາດຈະແຕກຕ່າງກັນອີງຕາມການນຳໃຊ້, ພາກພື້ນ ແລະ ອາຍຸຂອງທ່ານ. ນັກພັດທະນາໃຫ້ຂໍ້ມູນນີ້ ແລະ ອາດຈະອັບເດດມັນເມື່ອເວລາຜ່ານໄປ.
ບໍ່ໄດ້ໄດ້ແບ່ງປັນຂໍ້ມູນກັບພາກສ່ວນທີສາມ
ສຶກສາເພີ່ມເຕີມ ກ່ຽວກັບວ່ານັກພັດທະນາປະກາດການແບ່ງປັນຂໍ້ມູນແນວໃດ
ບໍ່ໄດ້ເກັບກຳຂໍ້ມູນ
ສຶກສາເພີ່ມເຕີມ ກ່ຽວກັບວ່ານັກພັດທະນາປະກາດການເກັບກຳຂໍ້ມູນແນວໃດ
ການຈັດອັນດັບ ແລະ ຄຳຕິຊົມ
4,4
1,45 ພັນ ຄຳຕິຊົມ
ມີຫຍັງໃໝ່
1. Updated Qualcomm QNN and MediaTek Neuron delegates.
2. Enhanced stability and accuracy of the power consumption test.
3. Various bug fixes and performance improvements.
2. Enhanced stability and accuracy of the power consumption test.
3. Various bug fixes and performance improvements.
