UL Procyon™AI推理基准

使用NNAPI测试AI性能和质量

机器学习正在推动移动应用程序中令人兴奋的新功能。许多设备现在都有专门的硬件来加速设备上推断所需的计算密集型操作。Android神经网络API (NNAPI)为机器学习框架提供了一个基础层，用于访问设备中专用的人工智能处理硬件。

UL Procyon AI推理基准测试使用NNAPI测量Android设备的AI性能。基准分数反映了设备上的速度和准确性。通过Procyon AI推理基准测试，您不仅可以测量Android设备中专用AI处理硬件的性能，还可以验证NNAPI实现质量。

该基准测试使用一系列流行的、最先进的神经网络运行在设备上，以执行常见的机器视觉任务。基准测试通过NNAPI在设备专用的人工智能处理硬件上运行。基准测试还直接在GPU和/或CPU上运行每个测试，以进行比较。

特征

• 基于常用机器视觉任务的测试，使用最先进的神经网络。
• 测量推理性能和输出质量。
• 比较NNAPI，CPU和GPU性能。
• 验证NNAPI实现和兼容性。
• 优化硬件加速器的驱动程序。
• 比较浮点优化和整数优化模型的性能。
• 易于设置和在设备上或通过ADB使用。

NNAPI性能和质量

使用UL Procyon AI推理基准，您可以测量专用AI处理硬件的性能，并通过基于常见机器视觉任务的测试来验证NNAPI实现质量。

专为专业人士而设计

我们为工程团队创建了UL Procyon AI推理基准，这些团队需要独立的、标准化的工具来评估NNAPI实现和专用移动硬件的总体AI性能。

快速和容易使用

基准测试很容易安装和运行，不需要复杂的配置。在设备上或通过ADB运行基准测试。查看基准分数，图表和排名在应用程序或导出详细的结果文件进一步分析。