手机AI芯片已经成为衡量一部手机是否智能的重要标准,从华为麒麟970的NPU到高通骁龙845集成的XR,AI芯片无处不在。所以我们为您带来了鲁大师AI评测软件,这是一款手机AI性能评测工具。该软件采用Inception V3、ResNet34、VGG16三种神经网络算法,通过采集运行过程中的有效数据,让机器识别图片内容,并以概率高低输出列表。最终通过识别效率来判断手机AI性能,给出评分。测试中答案正确率越高、测试速度越快,得分就越高。
软件特色:
1. 操作方便,无广告,自动识别;
2. 界面简洁,具有黑科技感的小工具;
3. 识别需时,但只需下载即可了解手机性能;
4. 通过运行过程中的并发、速率、精度等指标进行评测。
使用教程:
1. 打开在本站下载的AImark,选择一张图片进行识别,点击开始测评。

2. 正式测评中。

3. 测评结束,用户可以查看各种测评结果。

软件功能:
一、Inception V3、ResNet34、VGG16三种网络,各自完成100张标准图片识别任务,获取概率值TOP5的答案,获取答案以及完成测试的时间。
二、完成测试答案正确率越高,得分越高。
三、完成测试速度越快,得分越高。
四、测试获取答案正确率与时间成绩相互关联,正确率过低,最终成绩会相对降低。即速度再快准确率不足得分会大幅下降。完成测试又快又准即为“Clever AI”。
软件亮点:
ResNet 34(残差网络):微软的残差网络(ResNet)与传统的顺序网络架构(如AlexNet、OverFeat和VGG)不同,其加入了y=x层(恒等映射层),可以让网络在深度增加情况下却不退化。ResNet架构已经成为一项有意义的模型,其可以通过使用残差模块和常规SGD来训练非常深的网络。鲁大师AI测试设置了34层的深度。
Inception V3:Inception V3是Google开发的一个开源神经网络模型。这种架构先前叫GoogLeNet,现在简单地被称为Inception vN,Keras库中的Inception V3架构提出了对Inception模块的更新,进一步提高了ImageNet分类效果。用了Inception之后整个网络结构的宽度和深度都可扩大,能够带来2-3倍的性能提升。
VGG16:VGGNet由牛津大学的视觉几何组(Visual Geometry Group)提出,VGG模型结构简单有效,前几层仅使用3×3卷积核来增加网络深度,增加网络深度可以有效提升模型的效果。比较起ALEXNET,VGG对图片有更精确的估值以及更省空间,而且VGGNet对其他数据集具有很好的泛化能力。
更新日志:
v4.5版本 - 适配高通骁龙7 Gen3芯片。