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/
Herramienta de referencia de aprendizaje automático (ML Bench) (Herramienta de referencia de AI)

Modelos soportados:
 - MobileNet v1
 - MobileNet v2
 - Iniciación v3
 - Resnet v2 50
 - SSD Mobilenet v1 (Detección de objetos)

Tiempo de ejecución soportado:
 - Tensorflow Lite
 - Tensorflow Mobile
 - Android NN
 - SNPE (para Qualcomm)

Soporte de carga lateral:
      Cómo cargar lateralmente tu modelo:
1. Convierta su modelo a tflite (usando toco) o dlc (usando la herramienta de conversión snpe).
2. En su máquina local, cree el directorio [Nombre del modelo]
3. Copie su archivo de modelo en el directorio creado en el paso 2
4. Cree un archivo llamado meta-data.json en el directorio [Nombre del modelo]
ejemplo de meta-data.json:
{
"xres": 299,
"años": 299,
"profundidad": 3,
"input_type": "float",
"output_type": "float",
"input_name": "input: 0",
"output_name": "InceptionV3 / Predictions / Reshape_1: 0",
"image_mean": 0,
"image_std": 0
"acelerador": "dsp",
}
5. presione el directorio [Nombre del modelo] en el dispositivo de destino utilizando el comando a continuación
adb push ./[Model Name] /sdcard/Android/data/com.etinum.mlbench/files/models/


ML Bench

Última versión de ML Bench

Otras versiones