AI Benchmark 是一个开源 Python 库,用于评估各种硬件平台的 AI 性能,包括 CPU、GPU 和 TPU。
项目描述
AI Benchmark Alpha是一个开源 Python 库,用于评估各种硬件平台的 AI 性能,包括 CPU、GPU 和 TPU。该基准测试依赖于TensorFlow机器学习库,并为评估关键深度学习模型的推理和训练速度提供了一个轻量级且准确的解决方案。
AI Benchmark 总共包含42 个测试和19 个部分,如下所示:
- MobileNet-V2
[classification]
- 盗梦空间-V3
[classification]
- 盗梦空间-V4
[classification]
- Inception-ResNet-V2
[classification]
- ResNet-V2-50
[classification]
- ResNet-V2-152
[classification]
- VGG-16
[classification]
- SRCNN 9-5-5
[image-to-image mapping]
- VGG-19
[image-to-image mapping]
- ResNet-SRGAN
[image-to-image mapping]
- ResNet-DPED
[image-to-image mapping]
- 网络
[image-to-image mapping]
- 英伟达-SPADE
[image-to-image mapping]
- ICNet
[image segmentation]
- 网络
[image segmentation]
- 深度实验室
[image segmentation]
- 像素循环神经网络
[inpainting]
- 长短期记忆体
[sentence sentiment analysis]
- GNMT
[text translation]
更多信息和结果,请访问项目网站:http ://ai-benchmark.com/alpha
安装说明
基准测试要求您的系统中存在 TensorFlow 机器学习库。
在没有 Nvidia GPU的系统上,运行以下命令来安装 AI Benchmark:
pip install tensorflow
pip install ai-benchmark
如果要检查Nvidia 显卡的性能,请运行以下命令:
pip install tensorflow-gpu
pip install ai-benchmark
Note 1:
如果您的系统中已经安装了 Tensorflow,您可以跳过第一个命令。
Note 2:
为了在 Nvidia GPU 上运行基准测试,NVIDIA CUDA
应cuDNN
首先安装库。请在此处找到详细说明。
入门
要运行 AI Benchmark,请使用以下代码:
from ai_benchmark import AIBenchmark
benchmark = AIBenchmark()
results = benchmark.run()
或者,在 Linux 系统上,您可以键入ai-benchmark
命令行来启动测试。
要仅运行推理或训练,请使用benchmark.run_inference()
或benchmark.run_training()
。
高级设置
AIBenchmark(use_CPU=None, verbose_level=1):
use_CPU=
{True, False, None}
:是否在 CPU 上运行测试(如果安装了 tensorflow-gpu)
verbose_level=
{0, 1, 2, 3}
:静默运行测试 | 简短的总结| 每次运行的信息| 带有 TF 日志
benchmark.run(precision="normal"):
Precision=
{"normal", "high"}
:如果high
选中,则基准测试将为每个测试执行 10 倍以上的运行。
附加说明和要求
运行推理测试需要至少 2GB RAM 的 GPU / 训练测试需要 4GB RAM。
该基准与TensorFlow 1.x
和2.x
版本兼容。
联系人
请联系andrey@vision.ee.ethz.ch
以获取任何反馈或信息。
项目详情
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个,请了解有关安装包的更多信息。
源分布
内置发行版
ai_benchmark -0.1.2-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | e97fd54be8e62227a10bf4fad48ba3bf7d116604e11767f0c6307680760dff98 |
|
MD5 | c3c4aa880cf6164876324b66291ce7bf |
|
布莱克2-256 | e0702f4581a0b48ffedcb555251c02476fb19a519335a4da63b4f9795b03716d |
ai_benchmark -0.1.2-py2-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 4f26560f2627d4681892525d7bd057d02b7aebbfee2c54527d5e13129601617c |
|
MD5 | ed217c05ab83f7a305c445c7c009266b |
|
布莱克2-256 | 0a34e1f4dfd4713a01e114d1dbb28e9af164054177b870bc92a7c8ea8e6ce0b7 |