config.arm64_v8a

config.xxxhdpi

config.hi

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/
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/

मशीन लर्निंग बेंचमार्क\u003cbr\u003eऐ बेंचमार्क

ML Bench

Latest Version of ML Bench

अन्य संस्करण