圖1:AIIA副秘書長王愛華介紹評估背景
首輪評估結果發(fā)布
AIIA DNN benchmark V0.5測試評估主要面向端側,旨在客觀反映具有深度神經網絡加速能力的處理器在完成推斷任務時的性能。AIIA總體組組長孫明俊向業(yè)界正式發(fā)布首輪評估結果。
圖2:AIIA總體組組長孫明俊發(fā)布首輪評估結果
孫明俊表示,首輪評估包含四大典型場景(見圖3)和兩大類評測指標,指標包含速度(fps)和算法性能,如top1 、top5、mAP、mIoU、PSNR等。值得一提的是,這是深度學習處理器領域首次區(qū)分整型和浮點對比的Benchmark。
圖3:評測指標及應用場景
AIIA DNN benchmark V0.5首輪測試對麒麟980和瑞芯微RK3399開發(fā)板兩款產品進行了評估。
海思麒麟980——適用于手機終端Mate20系列,采用7nm工藝。具體評測結果如圖4和圖5所示。
圖4:場景1下海思麒麟980評測結果
圖5:場景2/3/4下海思麒麟980評測結果
瑞芯微 RK3399開發(fā)板——該芯片在安防等領域有廣泛應用,采用28nm工藝。結果顯示,在浮點模型不需要定點化重新訓練的情況下,int8計算以精度損失最大為1%的代價,達到了相對于浮點計算兩倍的性能(見圖6)。
圖6:瑞芯微RK3399開發(fā)板評測結果
評估工具開源
AIIA DNN benchmark V0.5測試評估工具采用開源方式,支持安卓系統(tǒng),易于推廣到所有 POSIX 兼容系統(tǒng)中,且用戶可以根據(jù)項目文檔,自行添加一個框架或者一個新模型。面向未來的市場需求,AIIA DNN benchmark項目將持續(xù)更新。
孫明俊介紹,v0.5版本的Benchmark工具可以對基于CPU/GPU/DSP/NPU的終端推斷任務進行評測,支持評測的機器學習框架包括TensorFlow/Caffe。目前已經完成的移動端適配環(huán)境包括HiAI /SNPE/Tengine /TensorFlow Lite/ MACE/ NCNN 等。
項目代碼已經開源到Github,鏈接為: https://github.com/AIIABenchmark/AIIABenchmark
v1.0 版評估方案即將發(fā)布
會上,西安交通大學任鵬舉教授對AIIA DNN benchmark V0.5首輪評測的結果進行了解讀,并向業(yè)界公布了評估方案的后續(xù)推進計劃,AIIA DNN benchmark項目v1.0 正式版預計將于今年上半年正式發(fā)布。
圖7:西安交通大學任鵬舉教授解讀v0.5版本評估結果
圖8:v0.5版本評測結果分析
圖9:v0.5版本評測結果分析
最后,ARM中國AI技術市場經理分享了題為《ARM中國周易開放AIoT應用平臺》的演講。他表示,ARM人工智能周易平臺已順利對接AIIA DNN Benchmark項目,旨在助力芯片公司為ARM芯片取得客觀公正的AI性能評估報告,同時也方便應用算法公司的芯片選型。
圖10:ARM中國AI技術市場經理發(fā)表演講
未來,AIIA將順應行業(yè)發(fā)展需要,持續(xù)迭代評估規(guī)范。AIIA DNN benchmark項目v1.0 正式版的評測對象將進一步豐富,覆蓋語音、自動駕駛、安防等應用場景下的AI芯片??梢灶A見,基于開放、共贏的產業(yè)生態(tài),AIIA DNN benchmark項目將吸引更多企業(yè)與開發(fā)者加入。
有關大會及AIIA聯(lián)盟更多信息,請訪問:http://www.aiiaorg.cn/index.php?m=content&c=index&a=show&catid=14&id=67