ML Bench

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/

मशीन लर्निंग बेंचमार्क टूल (एमएल बेंच) (एआई बेंचमार्क टूल)

समर्थित मॉडल:

 - मोबाइलनेट v1

 - मोबाइलनेट v2

 - शुरुआत v3

 - Resnet v2 50

 - एसएसडी Mobilenet v1 (ऑब्जेक्ट डिटेक्शन)

समर्थित रनटाइम:

 - Tensorflow लाइट

 - Tensorflow मोबाइल

 - एंड्रॉइड एनएन

 - एसएनपीई (क्वालकॉम के लिए)

साइडलोड समर्थन:

      अपने मॉडल को कैसे लोड करें:

1. अपने मॉडल को tflite (toco) या dlc (स्नैप रूपांतरण टूल का उपयोग करके) में कनवर्ट करें।

2. अपनी स्थानीय मशीन पर, [मॉडल नाम] निर्देशिका बनाएं

3. चरण 2 में बनाई गई निर्देशिका में अपनी मॉडल फ़ाइल की प्रतिलिपि बनाएँ

4. [मॉडल नाम] निर्देशिका में मेटा-डेटा.जेसन नामक एक फ़ाइल बनाएं

मेटा-डेटा.जेसन का उदाहरण:

{

"xres": 2 9,

"yres": 2 9,

"गहराई": 3,

"input_type": "float",

"output_type": "float",

"इनपुट_नाम": "इनपुट: 0",

"output_name": "प्रारंभ V3 / भविष्यवाणियां / Reshape_1: 0",

"image_mean": 0,

"image_std": 0,

"त्वरक": "डीएसपी",

}

5. नीचे आदेश का उपयोग कर लक्ष्य डिवाइस पर [मॉडल नाम] निर्देशिका धक्का

adb push ./[Model नाम] /sdcard/Android/data/com.etinum.mlbench/files/models/

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/