深圳做模板网站的公司,网站网页直播怎么做,网络推广文案范文,做网站要学点什么目前人工智能技术发展速度很快#xff0c;也很吸引眼球。但是对于各种多如牛毛的方法#xff0c;目前并米有一个可靠的精准的基准来衡量各项硬件在不同算法训练和推理的性能。现在#xff0c;不用愁了。国外的一个哥们#xff0c; Andrey Ignatov发布了一个python库。大家可…目前人工智能技术发展速度很快也很吸引眼球。但是对于各种多如牛毛的方法目前并米有一个可靠的精准的基准来衡量各项硬件在不同算法训练和推理的性能。现在不用愁了。国外的一个哥们 Andrey Ignatov发布了一个python库。大家可以利用这个python库测试自己硬件的性能
AI Benchmark Alpha是一个开源python库用于评估各种硬件平台的AI性能包括CPUGPU和TPU。 该基准测试依赖于TensorFlow机器学习库并提供精确轻量级的解决方案用于评估关键深度学习模型的推理和训练速度。 AI Benchmark目前作为Python pip包发布可以下载到运行WindowsLinux或macOS的任何系统。
这个包在6月26日发布了两个版本一个是0.1.0一个是0.1.1。
目前支持如下算法的性能测试
● Section 1: MobileNet-V2, Classification
● Section 2: Inception-V3, Classification
● Section 3: Inception-V4, Classification
● Section 4: Inception-ResNet-V2, Classification
● Section 5: ResNet-V2-50, Classification
● Section 6: ResNet-V2-152, Classification
● Section 7: VGG-16, Classification
● Section 8: SRCNN 9-5-5, Image-to-Image Mapping
● Section 9: VGG-19, Image-to-Image Mapping
● Section 10: ResNet-SRGAN, Image-to-Image Mapping
● Section 11: ResNet-DPED, Image-to-Image Mapping
● Section 12: U-Net, Image-to-Image Mapping
● Section 13: Nvidia-SPADE, Image-to-Image Mapping
● Section 14: ICNet, Image Segmentation
● Section 15: PSPNet, Image Segmentation
● Section 16: DeepLab, Image Segmentation
● Section 17: Pixel-RNN, Image Inpainting
● Section 18: LSTM, Sentence Sentiment Analysis
● Section 19: GNMT, Text Translation
同时作者也给出了一些测试结果。非常有意思目前***的桌面GPU当属于GeForce GTX 1080 Ti了。其次是TITAN Xp CE和GeForce GTX TITAN X。
使用这个库也很简单大家可以先pip install ai-benchmark。注意需要安装tensorflow才能运行。
使用方法如下
fromai_benchmarkimportAIBenchmark
results AIBenchmark().run()
我自己也测试了一下非常容易可以看到我的硬件在MobieNet-V2算法的训练速度大约是27688±741ms推理速度大约是2747±119ms。这速度惨不忍睹啊。各位可以自己去看看自己的成绩。
【编辑推荐】
【责任编辑张燕妮 TEL01068476606】
点赞 0
