「大神器！」硬件的AI性能測(cè)試Python庫發(fā)布
目前人工智能技術(shù)發(fā)展速度很快，也很吸引眼球。但是對(duì)于各種多如牛毛的方法，目前并米有一個(gè)可靠的精準(zhǔn)的基準(zhǔn)來衡量各項(xiàng)硬件在不同算法訓(xùn)練和推理的性能。
現(xiàn)在，不用愁了。國外的一個(gè)哥們， Andrey Ignatov發(fā)布了一個(gè)python庫。大家可以利用這個(gè)python庫測(cè)試自己硬件的性能！
AI Benchmark Alpha是一個(gè)開源python庫，用于評(píng)估各種硬件平臺(tái)的AI性能，包括CPU，GPU和TPU。 該基準(zhǔn)測(cè)試依賴于TensorFlow機(jī)器學(xué)習(xí)庫，并提供精確輕量級(jí)的解決方案，用于評(píng)估關(guān)鍵深度學(xué)習(xí)模型的推理和訓(xùn)練速度。 AI Benchmark目前作為Python pip包發(fā)布，可以下載到運(yùn)行Windows，Linux或macOS的任何系統(tǒng)。
這個(gè)包在6月26日發(fā)布了兩個(gè)版本，一個(gè)是0.1.0一個(gè)是0.1.1。
目前，支持如下算法的性能測(cè)試：
● Section 1: MobileNet-V2, Classification
● Section 2: Inception-V3, Classification
● Section 3: Inception-V4, Classification
● Section 4: Inception-ResNet-V2, Classification
● Section 5: ResNet-V2-50, Classification
● Section 6: ResNet-V2-152, Classification
● Section 7: VGG-16, Classification
● Section 8: SRCNN 9-5-5, Image-to-Image Mapping
● Section 9: VGG-19, Image-to-Image Mapping
● Section 10: ResNet-SRGAN, Image-to-Image Mapping
● Section 11: ResNet-DPED, Image-to-Image Mapping
● Section 12: U-Net, Image-to-Image Mapping
● Section 13: Nvidia-SPADE, Image-to-Image Mapping
● Section 14: ICNet, Image Segmentation
● Section 15: PSPNet, Image Segmentation
● Section 16: DeepLab, Image Segmentation
● Section 17: Pixel-RNN, Image Inpainting
● Section 18: LSTM, Sentence Sentiment Analysis
● Section 19: GNMT, Text Translation
同時(shí)，作者也給出了一些測(cè)試結(jié)果。非常有意思：
目前***的桌面GPU當(dāng)屬于GeForce GTX 1080 Ti了。其次是TITAN Xp CE和GeForce GTX TITAN X。
使用這個(gè)庫也很簡單，大家可以先pip install ai-benchmark。注意，需要安裝tensorflow才能運(yùn)行。
使用方法如下：
- from ai_benchmark import AIBenchmark
- results = AIBenchmark().run()
我自己也測(cè)試了一下，非常容易：
可以看到，我的硬件在MobieNet-V2算法的訓(xùn)練速度大約是27688±741ms，推理速度大約是2747±119ms。這速度慘不忍睹啊。各位可以自己去看看自己的成績。
