AI Benchmark

Ignatov Andrey

ဤအက်ပ်အကြောင်း

မျက်နှာအသိအမှတ်ပြုမှု၊ ရုပ်ပုံအမျိုးအစားခွဲခြားမှု၊ မေးခွန်းဖြေဆိုခြင်း...

သင့်စမတ်ဖုန်းသည် ဤနှင့် အခြားသော AI-အခြေခံလုပ်ဆောင်စရာများကို လုပ်ဆောင်ရန် နောက်ဆုံးပေါ် Deep Neural Networks များကို လုပ်ဆောင်နိုင်ပါသလား။ ၎င်းတွင် အထူးသီးသန့် AI Chip ရှိပါသလား။ လုံလောက်သလား။ ၎င်း၏ AI စွမ်းဆောင်ရည်ကို ကျွမ်းကျင်စွာ အကဲဖြတ်ရန် AI Benchmark ကို လုပ်ဆောင်ပါ။

လက်ရှိဖုန်းအဆင့်သတ်မှတ်ချက်- http://ai-benchmark.com/ranking

AI Benchmark သည် အဓိက AI နှင့် Computer Vision algorithms များစွာအတွက် အမြန်နှုန်း၊ တိကျမှု၊ ပါဝါသုံးစွဲမှုနှင့် မှတ်ဉာဏ်လိုအပ်ချက်များကို တိုင်းတာသည်။ စမ်းသပ်ထားသော ဖြေရှင်းချက်များထဲတွင် Image Classification နှင့် Face Recognition နည်းလမ်းများ၊ Image/Video Super-Resolution နှင့် Photo Enhancement အတွက် အသုံးပြုသော Neural Networks၊ AI မော်ဒယ်များသည် စာသားနှင့် မေးခွန်းဖြေဆိုခြင်းကို ခန့်မှန်းပေးသည့်အပြင် အလိုအလျောက်မောင်းနှင်သည့်စနစ်များနှင့် စမတ်ဖုန်းများတွင် အသုံးပြုသည့် AI ဖြေရှင်းချက်များနှင့် အစစ်အမှန်၊ အချိန်အတိမ်အနက် ခန့်မှန်းချက်နှင့် Semantic Image အပိုင်းခွဲခြင်း။ အယ်လဂိုရီသမ်၏ ရလဒ်များကို ပုံဖော်ခြင်းမှ ၎င်းတို့၏ရလဒ်များကို ဂရပ်ဖစ်ဖြင့် အကဲဖြတ်ရန်နှင့် AI နယ်ပယ်အသီးသီးတွင် လက်ရှိခေတ်မီသော ခေတ်မီအခြေအနေကို သိခွင့်ရစေသည်။

စုစုပေါင်း AI Benchmark တွင် စမ်းသပ်မှု 78 ခုနှင့် အောက်တွင်ဖော်ပြထားသော ကဏ္ဍ 26 ခု ပါဝင်ပါသည်။

အပိုင်း 1. အမျိုးအစားခွဲခြင်း၊ MobileNet-V2
အပိုင်း ၂။ အမျိုးအစားခွဲခြင်း၊ Inception-V3
အပိုင်း 3. Face Recognition၊ MobileNet-V3
အပိုင်း 4။ အမျိုးအစားခွဲခြင်း၊ EfficientNet-B4
ပုဒ်မ ၅/၆။ Parallel Model Execution၊ 8 x Inception-V3
အပိုင်း 7. Object Tracking၊ YOLO-V4
အပိုင်း ၈။ Optical Character အသိအမှတ်ပြုမှု၊ CRNN
အပိုင်း 9။ ဝေါဟာရ အပိုင်းခွဲခြင်း၊ DeepLabV3+
အပိုင်း 10။ Parallel Segmentation၊ 2 x DeepLabV3+
အပိုင်း 11။ Photo Deblurring၊ IMDN
အပိုင်း 12။ ရုပ်ပုံ အထူးကြည်လင်ပြတ်သားမှု၊ ESRGAN
အပိုင်း ၁၃။ ရုပ်ပုံ အထူးကြည်လင်ပြတ်သားမှု၊ SRGAN
အပိုင်း 14။ ရုပ်ပုံဖျက်စီးခြင်း၊ U-Net
အပိုင်း 15။ Depth Estimation၊ MV3-Depth
အပိုင်း 16။ ရုပ်ပုံမြှင့်တင်မှု၊ DPED ResNet
အပိုင်း ၁၇။ ရုပ်ပုံမြှင့်တင်မှု၊ DPED ဥပမာ
အပိုင်း ၁၈။ Bokeh Effect Rendering၊ PyNET+
အပိုင်း ၁၉။ ကင်မရာ ISP၊ PUNET တို့ကို လေ့လာခဲ့သည်။
အပိုင်း 20။ FullHD ဗီဒီယို Super-Resolution, XLSR
ပုဒ်မ ၂၁/၂၂။ 4K ဗီဒီယို Super-Resolution၊ VideoSR
အပိုင်း 23။ စာသားဖြည့်စွက်ခြင်း၊ LSTM
အပိုင်း ၂၄။ အမေးအဖြေ၊ MobileBERT
အပိုင်း 25။ စာသားဖြည့်စွက်ခြင်း၊ ALBERT
အပိုင်း ၂၆။ မှတ်ဉာဏ်ကန့်သတ်ချက်များ၊ ResNet

ထို့အပြင်၊ PRO Mode တွင် ၎င်းတို့၏ကိုယ်ပိုင် TensorFlow Lite နက်နဲသောသင်ယူမှုမော်ဒယ်များကို တင်၍ စမ်းသပ်နိုင်သည်။

စစ်ဆေးမှုများ၏ အသေးစိတ်ဖော်ပြချက်ကို ဤနေရာတွင် ကြည့်ရှုနိုင်သည်- http://ai-benchmark.com/tests.html

မှတ်ချက်- Qualcomm Snapdragon၊ HiSilicon Kirin၊ Samsung Exynos၊ MediaTek Helio / Dimensity နှင့် UNISOC Tiger ချစ်ပ်ဆက်များအပါအဝင် သီးသန့် NPU နှင့် AI အရှိန်မြှင့်ကိရိယာများဖြင့် မိုဘိုင်း SoC များအားလုံးတွင် ဟာ့ဒ်ဝဲအရှိန်မြှင့်ခြင်းကို ပံ့ပိုးပေးပါသည်။ AI Benchmark v4 မှစတင်၍ ဆက်တင်များတွင် စက်ပစ္စည်းအဟောင်းများတွင် GPU-based AI အရှိန်မြှင့်ခြင်းကို ဖွင့်နိုင်သည် ("အရှိန်မြှင့်ရန်" -> "GPU အရှိန်မြှင့်ခြင်း", OpenGL ES-3.0+ လိုအပ်သည်)။

အသစ်ရှိသလား

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.