Додаток визначить нейросетеву продуктивність смартфона

Швейцарські розробники створили додаток для смартфона, що дозволяє оцінити його продуктивність при виконанні алгоритмів машинного навчання. Воно проводить обробку зображень за допомогою популярних нейромережевих алгоритмів і за підсумками тестування повідомляє продуктивність пристрою в порівнянні з іншими, розповідає TechCrunch.

Розробники нейросетевих алгоритмів досягли великих успіхів в останні кілька років, однак у цих алгоритмів є один загальний недолік - вони вимагають великих обчислювальних ресурсів і часто не підходять для роботи в реальному часі на сучасних смартфонах. Для того, щоб користувачі мобільних пристроїв могли використовувати можливості нейросетевих алгоритмів повною мірою, розробники адаптують до них як програмне, так і апаратне забезпечення. Наприклад, в останній рік багато виробників мобільних чіпів почали вбудовувати в них цифрові сигнальні процесори для апаратного прискорення нейросетевих алгоритмів, а в Android 8.1 з'явився API для доступу програм до апаратного прискорення.

Андрій Ігнатов і його колеги зі Швейцарської вищої технічної школи Цюріха створили додаток для операційної системи Android, що дозволяє користувачам оцінювати продуктивність свого пристрою на прикладі типових завдань, виконуваних популярними нейросетевими алгоритмами. Тестування пристрою відбувається на дев'яти завданнях обробки зображень, що виконуються різними нейросетевими моделями. Серед завдань є розпізнавання об'єктів та осіб, збільшення роздільної здатності зображення, семантична сегментація зображення, при якому воно розбивається на області, на яких зображені об'єкти різних типів, та інші. Останній тест також виконує обробку зображення, але він націлений на перевірку оперативної пам'яті і використовує зображення у високій роздільній здатності. Повний опис завдань і використаних моделей доступний на сайті проекту.

Протестувавши безліч пристроїв, творці програми склали рейтинг, в якому з великим відривом переміг смартфон Huawei P20 Pro з системою на чіпі HiSilicon Kirin 970. Варто відзначити, що настільки велике відставання від нього пристроїв з іншими чіпами викликано не їх продуктивністю, а підтримкою їх процесорів з боку системи. Наприклад, в смартфонах Google Pixel 2 вбудований співпроцесор для обробки зображень власної розробки, але повного доступу до нього стороннім розробникам Google не дає - вони можуть використовувати його тільки в складі API камери для збільшення динамічного діапазону фотографій. У чіпі Qualcomm Snapdragon 845 також є співпроцесор для прискорення алгоритмів машинного навчання, але він не доступний через стандартні API Android і розробникам додатків необхідно адаптувати їх спеціально для процесорів цієї лінійки.

Торік програмісти з Google і Массачусетського технологічного інституту створили експериментальний додаток на основі згорточної нейромережі, здатний «покращувати» зображення в реальному часі, використовуючи обчислювальні потужності смартфона.