本繁體中文版使用機器翻譯，譯文僅供參考，若與英文版本牴觸，應以英文版本為準。
測試計劃
貢獻者
建議變更
PDF
| 區域 | 任務 | 模型 | 數據集 | QSL尺寸 | 品質 | 多流延遲約束 |
|---|---|---|---|---|---|---|
想像 |
影像分類 |
Resnet50v1.5 |
影像網（224x224） |
1024 |
FP32 的 99% |
50毫秒 |
想像 |
物體偵測（大） |
SSD-ResNet34 |
可可 (1200x1200) |
64 |
FP32 的 99% |
66毫秒 |
想像 |
物體檢測（小） |
SSD-MobileNetsv1 |
可可 (300x300) |
256 |
FP32 的 99% |
50毫秒 |
想像 |
醫學影像分割 |
3D UNET |
BraTS 2019（224x224x160） |
16 |
FP32 的 99% 和 99.9% |
無 |
演講 |
語音轉文本 |
RNNT |
Librispeech dev-clean |
2513 |
FP32 的 99% |
無 |
語言 |
語言處理 |
BERT |
SQuAD v1.1 |
10833 |
FP32 的 99% |
無 |
下表列出了 Edge 基準測試場景。
| 區域 | 任務 | 場景 |
|---|---|---|
想像 |
影像分類 |
單流、離線、多流 |
想像 |
物體偵測（大） |
單流、離線、多流 |
想像 |
物體檢測（小） |
單流、離線、多流 |
想像 |
醫學影像分割 |
單流、離線 |
演講 |
語音轉文本 |
單流、離線 |
語言 |
語言處理 |
單流、離線 |
我們使用本次驗證中開發的網路儲存架構執行了這些基準測試，並將結果與先前提交給 MLPerf 的邊緣伺服器上的本機運行結果進行了比較。比較是為了確定共享儲存對推理效能有多大的影響。