鲁大师AI评测

手机AI芯片大家应该都知道，从华为麒麟970的NPU，到高通骁龙845集成的XR，AI已经已经成为衡量一部手机是否够“智能”的标准。为此，小编带来鲁大师AI评测软件，这是由鲁大师推出的一款手机AI性能评测工具，这款软件采用的是目前较为常用的三种神经网络Inception V3、ResNet34、VGG16的特定算法，通过运行过程采集的一些有效标准数据，让机器识别图片内容，识别的结果会按照概率高低输出列表，最终，通过识别效率来判断手机AI性能，进而给出行测试评分。一般完成测试答案正确率越高，测试速度越快，得分就越高。

软件特色

1、整个应用的操作很方便的，而且无广告，自动识别；
2、一款界面超级简洁，甚至有点黑科技的感觉的小工具；
3、识别需要时间，但是只需要下载就可以知道你手机性能；
4、通过运行过程中采集到的并发、速率、精度等指标评测。

使用教程

1、打开在本站下载的AImark，随意选择一个图片进行识别，点击开始测评

2、真正测评中

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，各自完成同样的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