Benchmark de visão computacional de IA UL Procyon UL Procyon

Benchmark de visão computacional de IA UL Procyon

Benchmark de desempenho de IA usando diversos mecanismo de inferência

Os aplicativos de aprendizado de máquina estão crescendo rapidamente à medida que integrar e implantar soluções de IA em aplicativos do dia a dia se torna mais acessível. Com a demanda por desempenho de aprendizado de máquina mais rápido, os principais fornecedores de hardware têm otimizado seus mecanismos de inferência para fornecer o melhor desempenho possível em seu hardware.

O Benchmark de visão computacional de IA da UL Procyon fornece insights sobre o desempenho dos mecanismos de inferência de IA em seu PC Windows ou Apple Mac em um ambiente , ajudando você a decidir quais mecanismos suportar para obter o melhor desempenho. O benchmark apresenta vários mecanismos de inferência de IA de diferentes fornecedores, com pontuações de benchmark refletindo o desempenho das operações de inferência no dispositivo.

No benchmark, tarefas comuns de visão de máquina são executadas usando uma variedade de redes neurais populares e de última geração. Meça o desempenho do acelerador IA comparando-o com as mesmas operações executadas em CPU ou GPU.

Compre agora

Recursos

  • Testes baseados em tarefas comuns de visão de máquina usando redes neurais de última geração.
  • Meça o desempenho de inferência usando CPU, GPU ou aceleradores de IA dedicados.
  • Benchmark com NVIDIA® TensorRT™, Intel® OpenVINO™, Qualcomm® SNPE, Microsoft® Windows ML e Apple® Core ML™.
  • Verifique a implementação e a compatibilidade do mecanismo de inferência.
  • Otimize drivers para aceleradores de hardware.
  • Compare o desempenho do modelo otimizado para float e integer.
  • Simples de configurar e usar por meio do aplicativo UL Procyon ou via linha de comando.

Desempenho do mecanismo de inferência

Com o Benchmark de visão computacional de IA UL Procyon, você pode medir o desempenho do hardware de processamento de IA dedicado e verificar a qualidade da implementação do mecanismo de inferência com testes baseados em tarefas comuns de visão de máquina.

Projetado por profissionais

Criamos o Benchmark de visão computacional de IA UL Procyon para equipes de engenharia que precisam de ferramentas padronizadas e independentes para avaliar o desempenho geral de IA de implementações de mecanismos de inferência e hardware dedicado.

Rápido e fácil de usar

O benchmark é fácil de instalar e executar, nenhuma configuração complicada é necessária. Execute o benchmark usando o aplicativo UL Procyon ou via linha de comando. Visualize pontuações e gráficos de benchmark ou exporte arquivos de resultados detalhados para análise posterior.

Desenvolvido com experiência no setor


Os benchmarks UL Procyon são projetados para uso industrial, empresarial e de imprensa com testes e recursos criados especificamente para usuários profissionais. O Benchmark de visão computacional de IA UL Procyon foi projetado e desenvolvido com parceiros da indústria por meio do Benchmark Development Program (BDP) do UL. O Benchmark Development Program é uma iniciativa da UL Solutions que visa criar benchmarks relevantes e imparciais, trabalhando em cooperação com os membros do programa.

Modelos de rede neural


MobileNet V3

O MobileNet V3 é um modelo compacto de reconhecimento visual criado especificamente para dispositivos móveis. O benchmark usa o MobileNet V3 para identificar o assunto de uma imagem, usando uma imagem como entrada e gerando uma lista de probabilidades para o conteúdo da imagem. O benchmark usa a grande variante minimalista do MobileNet V3.

Inception V4

O Inception V4 é um modelo de última geração para tarefas de classificação de imagens. Projetado para precisão, é um modelo muito mais amplo e profundo que o MobileNet. O benchmark usa o Inceptiont V4 para identificar o assunto de uma imagem, usando uma imagem como entrada e gerando uma lista de probabilidades para o conteúdo identificado da imagem.

YOLO V3

YOLO, que significa You Only Look Once, é um modelo de detecção de objetos que visa identificar a localização de objetos em uma imagem. O benchmark usa YOLO V3 para produzir caixas delimitadoras em torno de objetos com probabilidades na confiança de cada detecção.

DeepLab V3

O DeepLab é um modelo de segmentação de imagens que visa agrupar os pixels de uma imagem que pertencem à mesma classe de objeto. A segmentação semântica de imagens rotula cada região da imagem com uma classe de objeto. O benchmark usa o MobileNet V2 para extração de recursos, permitindo inferência rápida com pouca diferença de qualidade em comparação com modelos maiores.

Real-ESRGAN

O Real-ESRGAN é um modelo de super-resolução treinado em dados sintéticos para aumentar a resolução de uma imagem, reconstruindo uma imagem de maior resolução a partir de uma contraparte de menor resolução. O modelo usado no benchmark é a variante de imagem geral do Real-ERSGAN e aumenta uma imagem de 250x250 para uma imagem de 1000x1000.

ResNet 50

ResNet 50 é um modelo de classificação de imagem que fornece uma nova maneira de adicionar mais camadas convolucionais com o uso de blocos residuais. O lançamento possibilitou o treinamento de redes neurais profundas antes impossíveis. O benchmark usa o ResNet 50 para identificar assuntos da imagem, gerando uma lista de probabilidades para o conteúdo identificado na imagem.

Modelos integer e float

O benchmark inclui versões otimizadas para float e integer de cada modelo. Cada modelo é executado em todos os hardware compatíveis no dispositivo. Selecione o dispositivo e a precisão de inferência para cada tempo de execução para comparar o desempenho entre modelos inteiros e flutuantes.

Resultados e insights


Tela de resultados do Benchmark de visão computacional de IA UL Procyon UL Procyon mostrando pontuações de benchmark

Pontuações de benchmark

Compare o desempenho de inferência de IA com modelos inteiros e flutuantes usando CPU, GPU ou acelerador de IA dedicado.

Pontuações detalhadas

Veja os tempos de inferência para cada teste de rede neural ao usar o mecanismo de inferência e a unidade de processamento selecionados.

Tela de resultados do Benchmark de visão computacional de IA UL Procyon UL Procyon mostrando pontuações de benchmark
Tela de resultados do Benchmark de visão computacional de IA UL Procyon UL Procyon mostrando pontuações de benchmark

Monitoramento de hardware

Obtenha métricas detalhadas sobre como as temperaturas de CPU e GPU e velocidades e usos de clock mudam durante a execução do benchmark.

Benchmark de visão computacional de IA UL Procyon UL Procyon

Avaliação gratuita

Solicite avaliação gratuita

Licença da unidade

obter cotação Licença de imprensa
  • Licença anual do site para Benchmark de visão computacional de IA UL Procyon.
  • Número ilimitado de usuários.
  • Número ilimitado de dispositivos.
  • Suporte prioritário por e-mail e telefone.

Programa de desenvolvimento de benchmark

Entre em contato conosco Saiba mais

Fale conosco


O Benchmark Development Program™ é uma iniciativa da UL Solutions para a construção de parcerias com empresas de tecnologia.

OEMs, ODMs, fabricantes de componentes e seus fornecedores estão convidados a se juntar a nós no desenvolvimento de novos benchmarks de processamento de IA. Entre em contato conosco para mais detalhes.

Requisitos mínimos do sistema para PC Windows

Sistema Operacional Windows 10, 64-bit ou Windows 11
Processador 2 GHz dual-core CPU
Memória 4 GB
Armazenamento 4 GB

Requisitos mínimos do sistema para Apple Mac

Sistema Operacional MacOS Monterey ou posterior
Processador Silício Apple
Memória 4 GB
Armazenamento 1.5 GB

Suporte

Latest 1.6.400 | 23 de julho de 2024

Métricas de qualidade de IA

Ao comparar mecanismos de inferência, é importante considerar a precisão além do desempenho bruto.

Executamos nossos próprios testes medindo a precisão dos mecanismos de inferência suportados pelos Procyon AI Inference Benchmarks.

Métricas de qualidade de IA da UL Procyon

Idiomas

  • Inglês
  • Alemão
  • Japonês
  • Português (Brasil)
  • Chinês simplificado
  • Espanhol

Powered by