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/
Ferramenta de referência de aprendizado de máquina (ML Bench) (Ferramenta de benchmark AI)
Modelos suportados:
- MobileNet v1
- MobileNet v2
- Inception v3
- Resnet v2 50
- SSD Mobilenet v1 (Detecção de Objetos)
Tempo de execução suportado:
- Tensorflow Lite
- Tensorflow Mobile
- Android NN
- SNPE (para a Qualcomm)
Suporte SideLoad:
Como lado carregar o seu modelo:
1. Converta seu modelo para tflite (usando toco) ou dlc (usando a ferramenta de conversão snpe).
2. Na sua máquina local, crie o diretório [Model Name]
3. Copie seu arquivo de modelo para o diretório criado na etapa 2
4. Crie um arquivo chamado meta-data.json no diretório [Model Name]
exemplo de meta-data.json:
{
"xres": 299,
"yres": 299,
"profundidade": 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. Pressione o diretório [Model Name] para o dispositivo de destino usando o comando abaixo
adb push ./[Nome do modelo] /sdcard/Android/data/com.etinum.mlbench/files/models/