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/

أداة مرجعية التعلم الآلي (ML Bench) (AI Benchmark Tool)

النماذج المدعومة:

 - MobileNet v1

 - MobileNet v2

 - بداية v3

 - Resnet v2 50

 - SSD Mobilenet v1 (اكتشاف الكائن)

وقت التشغيل المدعوم:

 - Tensorflow لايت

 - Tensorflow موبايل

 - Android NN

 - SNPE (لـ Qualcomm)

دعم SideLoad:

      كيفية تحميل النموذج الخاص بك:

1. قم بتحويل نموذجك إلى tflite (باستخدام toco) أو dlc (باستخدام أداة تحويل snpe).

2. على جهازك المحلي ، قم بإنشاء دليل [Model Name]

3. انسخ ملف النموذج الخاص بك إلى الدليل الذي تم إنشاؤه في الخطوة 2

4. قم بإنشاء ملف يسمى meta-data.json في الدليل [اسم الموديل]

مثال على meta-data.json:

{

"xres": 299 ،

"ياردة": 299 ،

"العمق": 3 ،

"input_type": "float" ،

"output_type": "float" ،

"input_name": "input: 0"،

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

"image_mean": 0 ،

"image_std": 0 ،

"مسرع": "حزب اليسار الديمقراطى"،

}

5. ادفع دليل [Model Name] إلى الجهاز المستهدف باستخدام الأمر أدناه

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