「素晴らしい成果物！」ハードウェア AI パフォーマンス テスト用の Python ライブラリがリリースされました

現在、人工知能技術は急速に発展しており、非常に注目を集めています。しかし、数多くの方法があるにもかかわらず、さまざまなアルゴリズムのトレーニングと推論におけるさまざまなハードウェアのパフォーマンスを測定するための信頼性が高く正確なベンチマークは現在存在しません。

さあ、心配しないでください。外国人の友人、Andrey Ignatov が Python ライブラリをリリースしました。この Python ライブラリを使用して、ハードウェアのパフォーマンスをテストできます。

AI Benchmark Alpha は、CPU、GPU、TPU などのさまざまなハードウェア プラットフォームで AI パフォーマンスを評価するためのオープン ソースの Python ライブラリです。 このベンチマークは TensorFlow 機械学習ライブラリに依存しており、主要なディープラーニング モデルの推論とトレーニングの速度を評価するための正確で軽量なソリューションを提供します。 AI Benchmark は現在、Windows、Linux、または macOS を実行している任意のシステムにダウンロードできる Python pip パッケージとしてリリースされています。

このパッケージは 6 月 26 日に 2 つのバージョンをリリースしました。1 つは 0.1.0、もう 1 つは 0.1.1 です。

現在、パフォーマンス テストでは次のアルゴリズムがサポートされています。

● セクション 1: MobileNet-V2、分類

● セクション 2: Inception-V3、分類

● セクション 3: Inception-V4、分類

● セクション 4: Inception-ResNet-V2、分類

● セクション 5: ResNet-V2-50、分類

● セクション 6: ResNet-V2-152、分類

● セクション 7: VGG-16、分類

● セクション 8: SRCNN 9-5-5、画像間マッピング

● セクション 9: VGG-19、画像間マッピング

● セクション 10: ResNet-SRGAN、画像間マッピング

● セクション 11: ResNet-DPED、画像間マッピング

● セクション 12: U-Net、画像間マッピング

● セクション 13: Nvidia-SPADE、イメージ間マッピング

● セクション 14: ICNet、画像セグメンテーション

● セクション 15: PSPNet、画像セグメンテーション

● セクション 16: DeepLab、画像セグメンテーション

● セクション 17: Pixel-RNN、画像修復

● セクション 18: LSTM、文章感情分析

● セクション 19: GNMT、テキスト翻訳

同時に、著者はいくつかのテスト結果も示しています。とても興味深いです:

現在最も人気のあるデスクトップ GPU は GeForce GTX 1080 Ti です。次はTITAN Xp CEとGeForce GTX TITAN Xです。

このライブラリの使用も非常に簡単です。まずは pip install ai-benchmark を実行します。これを実行するには、tensorflow をインストールする必要があることに注意してください。

使い方は次のとおりです:

 ai_benchmarkからAIBenchmarkをインポート
結果 = AIBenchmark().run()

自分でテストしてみましたが、とても簡単です:

ご覧のとおり、MobieNet-V2 アルゴリズムでの私のハードウェアのトレーニング速度は約 27688±741 ミリ秒で、推論速度は約 2747±119 ミリ秒です。このスピードはひどい。あなた自身の結果を確認することができます。