config.arm64_v8a

config.xxxhdpi

config.en

Everyone

etinum

Oreo

Machine Learning Benchmark Tool (ML Bench) (AI Benchmark Tool)

Supported models :
- MobileNet v1
- MobileNet v2 
- Inception v3
- Resnet v2 50
- SSD Mobilenet v1 (Object Detection)

Supported runtime :
- Tensorflow Lite
- Tensorflow Mobile
- Android NN
- SNPE (for Qualcomm)

SideLoad Support:
How to side load your model :
1. Convert your model to tflite (using toco) or dlc (using snpe conversion tool).
2. On your local machine, create [Model Name] directory
3. Copy your model file to the directory created in step 2
4. Create a file called meta-data.json in the [Model Name] directory
example of meta-data.json :
{
"xres" : 299,
"yres" : 299,
"depth" : 3,
"input_type" : "float",
"output_type" : "float",
"input_name" : "input:0",
"output_name" : "InceptionV3/Predictions/Reshape_1:0",
"image_mean" : 0,
"image_std" : 0,
"accelerator":"dsp",
}
5. push [Model Name] directory to the target device using below command
adb push ./[Model Name] /sdcard/Android/data/com.etinum.mlbench/files/models/
Benchmark-Tool für maschinelles Lernen (ML-Bench) (AI-Benchmark-Tool)

Unterstützte Modelle:
 - MobileNet v1
 - MobileNet v2
 - Inception v3
 - Resnet v2 50
 - SSD Mobilenet v1 (Objekterkennung)

Unterstützte Laufzeit:
 - Tensorflow Lite
 - Tensorflow Mobile
 - Android NN
 - SNPE (für Qualcomm)

SideLoad-Unterstützung:
      So laden Sie Ihr Modell von der Seite:
1. Konvertieren Sie Ihr Modell in tflite (mit toco) oder in dlc (mit dem snpe-Konvertierungstool).
2. Erstellen Sie auf Ihrem lokalen Computer das Verzeichnis [Modellname]
3. Kopieren Sie Ihre Modelldatei in das in Schritt 2 erstellte Verzeichnis
4. Erstellen Sie eine Datei mit dem Namen meta-data.json im Verzeichnis [Modellname]
Beispiel für meta-data.json:
{
"xres": 299
"yres": 299
"Tiefe": 3,
"input_type": "float",
"output_type": "float",
"input_name": "input: 0",
"output_name": "InceptionV3 / Predictions / Reshape_1: 0",
"image_mean": 0,
"image_std": 0,
"Beschleuniger": "dsp",
}
5. Schieben Sie das Verzeichnis [Modellname] mit dem folgenden Befehl auf das Zielgerät
adb push ./[Modellname] /sdcard/Android/data/com.etinum.mlbench/files/models/


ML Bench

Neueste Version von ML Bench

Weitere Versionen