ML Bench

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/

เครื่องเกณฑ์การเรียนรู้ด้วยเครื่อง (ML Bench) (AI Benchmark Tool)

รุ่นที่รองรับ:

 - MobileNet v1

 - MobileNet v2

 - Inception v3

 - Resnet v2 50

 - SSD Mobilenet v1 (การตรวจจับวัตถุ)

รันไทม์ที่สนับสนุน:

 - Tensorflow Lite

 - Tensorflow Mobile

 - Android NN

 - SNPE (สำหรับ Qualcomm)

การสนับสนุน SideLoad:

      วิธีการโหลดโมเดลของคุณ:

1. แปลงโมเดลของคุณเป็น tflite (ใช้ toco) หรือ dlc (ใช้เครื่องมือแปลงข้อมูลแบบ snpe)

2. ในเครื่องโลคัลของคุณให้สร้างไดเร็กทอรี [Model Name]

3. คัดลอกไฟล์โมเดลไปยังไดเร็กทอรีที่สร้างขึ้นในขั้นตอนที่ 2

4. สร้างไฟล์ที่เรียกว่า meta-data.json ในไดเร็กทอรี [Model Name]

ตัวอย่างของ meta-data.json:

{

"xres": 299,

"ยศ": 299,

"ความลึก": 3,

"input_type": "float",

"output_type": "float",

"input_name": "input: 0",

"output_name": "InceptionV3 / Predictions / Reshape_1: 0",

"image_mean": 0,

"image_std": 0,

"ตัวเร่ง": "DSP"

}

5. ดันชื่อ [Model Name] ไปยังอุปกรณ์เป้าหมายโดยใช้คำสั่งด้านล่าง

adb push ./[Model Name] /sdcard/Android/data/com.etinum.mlbench/files/models/