小米再开源!这次是移动端神经网络框架基准测试项目MobileAIBench

简介: 在此之前,小米已经推出多款开源项目
TB1l7AOGaSWBuNjSsrbXXa0mVXa.jpg

继小米在6月宣布自研的移动端深度学习框架Mobile AI Compute Engine (MACE:https://github.com/xiaomi/mace)开源以来,小米近日又宣布开源移动端神经网络框架基准测试项目MobileAIBench(https://github.com/xiaomi/mobile-ai-bench)。

据雷锋网(公众号:雷锋网)了解,MobileAIBench旨在给开发这提供一个系统性的对比,为软硬件的选择提供一个直观定量的指导,其目的是建立一个统一的软硬件综合评测框架,能够对不同的硬件、计算单元、ABI以及神经网络计算框架进行全方位的评测。

眼下大多数开发者面临着同样一个困境,即如何选择满足应用计算需求同时具有高性价比的硬件,以及如何选取硬件适合的神经网络计算框架。除此之外,开发者还需要权衡模型量化压缩以及模型的精度损失,对于应用或者算法开发者而言,如何做出合适的选择,往往需要进行多方位的尝试,耗时耗力。在用户对智能性、低延迟和隐私保护的诉求变得越来越高的当下,移动设备上的离线神经网络应用变得越来越普遍。而MobileAIBench或许能解决这个问题。

这次开源的MobileAIBench项目在系统支持上,目前仅支持安卓,但比较容易推广所有 POSIX 兼容系统。现阶段支持 MACE、SNPE、ncnn、TensorFlow Lite 等框架的评测,后续还将加入对模型量化压缩以及模型精度的对比。用户可以根据项目文档,自行添加一个框架或者一个新模型。

据悉,该项目会进行每日构建,并对几款手机进行测试,测试数据可以通过项目页的 CI Pipeline 页面获取 (https://gitlab.com/llhe/mobile-ai-bench/pipelines) 。

雷锋网了解到,小米一直在倡导拥抱开源,积极参与多个国际重大的开源项目,比如Hadoop,HBase,Spark,TensorFlow等。值得一提的是,在HBase项目中,培养出了两位PMC成员和七位Committer,成为社区中的核心力量。在此之前,小米已经推出了一系列开源项目:

Linden(分布式实时搜索系统)

Open-Falcon(互联网企业级监控系统)

Pegasus(分布式KV存储系统)

自研移动端深度学习框架MACE等

小米人工智能与云平台副总裁崔宝秋博士此前表示:拥抱开源是小米工程文化的重要组成部分,从手机的移动操作系统,到云计算、大数据 、人工智能,开源都在小米扮演了极其重要的角色。小米欢迎更多的开发者参与进来。

目录
相关文章
|
机器学习/深度学习 算法 量子技术
GQNN框架:让Python开发者轻松构建量子神经网络
为降低量子神经网络的研发门槛并提升其实用性,本文介绍一个名为GQNN(Generalized Quantum Neural Network)的Python开发框架。
372 4
GQNN框架:让Python开发者轻松构建量子神经网络
|
11月前
|
Linux 网络安全 iOS开发
Metasploit Framework 6.4.95 (macOS, Linux, Windows) - 开源渗透测试框架
Metasploit Framework 6.4.95 (macOS, Linux, Windows) - 开源渗透测试框架
1154 1
Metasploit Framework 6.4.95 (macOS, Linux, Windows) - 开源渗透测试框架
|
12月前
|
Linux 网络安全 iOS开发
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
653 1
Metasploit Framework 6.4.90 (macOS, Linux, Windows) - 开源渗透测试框架
|
12月前
|
安全 Linux 网络安全
Metasploit Framework 6.4.88 (macOS, Linux, Windows) - 开源渗透测试框架
Metasploit Framework 6.4.88 (macOS, Linux, Windows) - 开源渗透测试框架
743 0
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
324 1
|
12月前
|
监控 前端开发 安全
Netty 高性能网络编程框架技术详解与实践指南
本文档全面介绍 Netty 高性能网络编程框架的核心概念、架构设计和实践应用。作为 Java 领域最优秀的 NIO 框架之一,Netty 提供了异步事件驱动的网络应用程序框架,用于快速开发可维护的高性能协议服务器和客户端。本文将深入探讨其 Reactor 模型、ChannelPipeline、编解码器、内存管理等核心机制,帮助开发者构建高性能的网络应用系统。
787 0
|
机器学习/深度学习 API TensorFlow
BayesFlow:基于神经网络的摊销贝叶斯推断框架
BayesFlow 是一个基于 Python 的开源框架,利用摊销神经网络加速贝叶斯推断,解决传统方法计算复杂度高的问题。它通过训练神经网络学习从数据到参数的映射,实现毫秒级实时推断。核心组件包括摘要网络、后验网络和似然网络,支持摊销后验估计、模型比较及错误检测等功能。适用于流行病学、神经科学、地震学等领域,为仿真驱动的科研与工程提供高效解决方案。其模块化设计兼顾易用性与灵活性,推动贝叶斯推断从理论走向实践。
474 7
BayesFlow:基于神经网络的摊销贝叶斯推断框架
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
470 0
|
Linux 虚拟化 iOS开发
GNS3 v3.0.5 - 开源免费网络模拟器
GNS3 v3.0.5 - 开源免费网络模拟器
1485 3
GNS3 v3.0.5 - 开源免费网络模拟器
|
Linux 网络安全 iOS开发
Metasploit Framework 6.4.63 (macOS, Linux, Windows) - 开源渗透测试框架
Metasploit Framework 6.4.63 (macOS, Linux, Windows) - 开源渗透测试框架
328 4
Metasploit Framework 6.4.63 (macOS, Linux, Windows) - 开源渗透测试框架

热门文章

最新文章