机构名称：
¥ 1.0
摘要：由于数据量和计算资源的不断增加，深度学习在各个领域取得了许多成功。深度学习在移动和嵌入式设备上的应用越来越受到重视，对移动和嵌入式设备的AI能力进行基准测试和排名成为亟待解决的问题。考虑到模型的多样性和框架的多样性，我们提出了一个基准测试套件AIoTBench，专注于评估移动和嵌入式设备的推理能力。AIoTBench涵盖三种典型的重量级网络：ResNet50，InceptionV3，DenseNet121，以及三种轻量级网络：SqueezeNet，MobileNetV2，MnasNet。每个网络由三个专为移动和嵌入式设备设计的框架实现：Tensorflow Lite，Caffe2，Pytorch Mobile。为了比较和排名设备的AI能力，我们提出了两个统一的指标作为AI分数：每秒有效图像（VIPS）和每秒有效FLOP（VOPS）。目前，我们已经使用基准测试对 5 款移动设备进行了比较和排名。此列表将很快扩展和更新。
移动设备上人工智能模型和框架的比较与基准测试
主要关键词
相关文件推荐
