除旧迎新!鲁大师AImark 2.0重磅升级,这些手机分数大变!

2019-02-02 19:08 稿源:用户投稿  0条评论

值此新春佳节、除旧迎新之计,鲁大师AImark迎来重大更新。

本次更新升级主要在测试算法的升级换代。随着手机AI的运用不断丰富,AI优化已经成为手机厂商重要打磨对象,与此同时,鲁大师AImark 2.0针对AI性能的评测算法更新升级,让AI跑分得以更加精确全面。

未标题-2

AImark让手机AI性能更直观

从麒麟970开始,手机SOC就将AI模块安排上了。苹果A12、麒麟980、骁龙855均将AI作为重中之重。

以苹果A12为例,它是鲁大师2018年度AI芯片榜的冠军。首次采用了8核架构的“神经网络处理单元”,运算的峰值达到5万亿次每秒,运行速度比A11提高了9倍。

中高端芯片的AI布局也来势汹汹,AI已经不再是旗舰的专属。骁龙710、骁龙670AIE、骁龙660AIE就是典型的中高端芯片,深受用户和手机厂商喜爱。

AI芯片榜

从“先拍照后对焦”到“3D面部建模捏脸”,从“语音助手”到“智能识图”,AI在手机上的应用已经越来越多。对于消费者来说,要想辨别市面上各色手机的AI性能,仅仅依靠使用体验来判断是远远不够的,而且目前很多AI运用都基于算法底层,很难直接感受到。这时候,让AI性能“有分可查”显得很重要。

作为行业内第一款AI性能跑分软件,AImark广受业内认可好评,已经成为评判AI性能的重要工具。现在,AImark 2.0进行重磅升级,用全新的体系和算法,对手机AI进行更加全面的评测。

AImark评测算法改进升级

鲁大师AI评测与ARM,高通,海思、联发科、三星等AI核心SOC产品供应商进行了测试与调整。在本次升级中,AImark 2.0评测算法发生了重大改变。

IMG_256

全新的AImark沿用成熟的 Inception V3、ResNet34神经网络模型,原本VGG16取消,新增SSD、DEEPLABV3+测试项。具体来说,全新AImark主要通过4个神经网络模型来全方位评测AI性能:

ResNet 34(残差网络)

微软的残差网络(ResNet)与传统的顺序网络架构(如AlexNet、OverFeat和VGG)不同,其加入了y=x层(恒等映射层),可以让网络在深度增加情况下却不退化。ResNet架构已经成为一项有意义的模型,其可以通过使用残差模块和常规SGD来训练非常深的网络。

Inception V3

Inception V3是Google开发的一个开源神经网络模型。Keras库中的Inception V3架构提出了对Inception模块的更新,进一步提高了ImageNet分类效果。用了Inception之后整个网络结构的宽度和深度都可扩大,能够带来2-3倍的性能提升

MobilenetSSD

MobilenetSSD算法是一种是一种流形的目标检测算法,使用mobilenetv2作为骨干网路时具有速度快,精度高的特点。这种模型目前在手机AI中有广泛的应用,如图像中的前景目标提取检测等。SSD直接反映在AI运用中对于目标的检测能力, 反应手机处理核心对GroupConv等常用Op的支持情况。

DEEPLABV3+

deeplabV3+是目前DeepLab中最新的、执行效果最好的语义图像分割模型,用于细化分割结果,主要确定手机处理核心对atrousConv的支持情况,这类Op在图像分割,语音处理等领域有广泛的使用。DEEPLABV3+加入评测体系之后,给图形图像的分割划分带来更全面的判断,通俗来讲,可以理解为AI“抠图”能力的判断。

IMG_256

需要注意的是,AI芯片是与CPU、GPU是一样单独并立的模组,因此CPU性能的高低,对AI芯片造成的影响有限。一个芯片的AI能力,取决于这个芯片有没有对AI模块进行优化,如果没有,即使CPU性能强悍,AI表现也会差强人意。

AImark分数体系提升

为了提供更具数据支撑和参考意义的AI评测,AImark将不断改善升级,适用发展潮流,让手机AI性能的强弱更直接、更精准的呈现在用户面前。

此外,由于升级更换了全新的算法,体量变大,AImark 2.0 的评测分数体系也相应发生了改变。旧版的AI性能跑分普遍在1000-2000分,已经不能做为评判标准。在全新的AImark 2.0 中,旗舰机型的AI性能跑分普遍在10000-20000分。

1E337A88994F423B495B15B88FCA58AB

AImark 2.0 新上线不久,测试数据还未达到榜单基数标准,当前排行榜不稳定,后面将会推出基于数据的全新AI性能榜单,想知道你的手机AI性能有多少分?升级或直接下载最新版AImark就能体验!

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。

相关文章

相关热点

查看更多