本文主要是介绍AI Benchmark v4榜首风云:天玑1000+ vs 麒麟990 5G,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
田海立@CSDN 2020-10-06
AI Benchmark v4测试项更新以及榜单数据解读只是解释了AI性能数据获取的机制以及简单数据概览,仔细看一下榜单,发现另有玄机,也许下一刻榜首位置就会变化。本文简要分析一下海思麒麟990 5G的情势,也许这就是未来几个月的榜单尤其榜首的变化趋势。
我们把榜单soc数据拷贝下来,复制到Excel表格里,简单分析一下。这里只留取几大soc厂家的最顶尖芯片:
发现麒麟990 5G有两款,且除了被脚注为1非公开或原型实现的海思990 5G(No.2)与MTK天玑(No.1)之外,剩下的其他三款分值是差不多的。那好,这里就看一下天玑1000+与麒麟990 5G。
为什么会有非公开或原型实现的海思990 5G呢,这说明有人在做这方面的优化改进,而AI Benchmark也从某些渠道获取了暂时性的数据。
对比麒麟990 5G的这两个版本,发现:
- 量化的NNAPI1.2数据有较大的改善,但因为本来分数也不高,改善也不大;
- FP16的NNAPI1.2数据有极大的提高:5807-> 25766;
- 不管是量化的精度还是FP16的精度都在提高,这有变化就做实了确实在修改实现,而不仅仅是提升性能方面。
这些变化,从soc details信息(同样从官网获取的数据,直接拷贝到Excel)里更能看出来:
- 模型PyNet和U-Net的性能极大提升;
- 当然也有模型性能下降的SGAN、DeepLab v3以及Init Time(细节数据很长,没法完整截图展示,感兴趣可以自己去查询)。
所以希望最终是整体性能的提升,而不是此消彼长。
从以上数据来看,海思应该在有针对性的做优化,而且从目前的效果看成果很显著(从51.5K到77.3K)。那现在要做的就不是51.5仰望88.1了,而是77.3追赶88.1。
那就对比一下麒麟990 5G与天玑1000+的单项数据:
- CPU:A76 vs A77有天然代差,不过数据也不是差的太多,而且CPU所占的评分比例应该也不大;
- INT8数据:990 5G INT8做的性能是没那么好,NNAPI1.1的12037 vs 17595应该比较反应真实情况;NNAPI1.2的4530 vs 17493相差那么大,应该是1.2的模型里有算子支持有问题导致的,有很大的提升空间,不过这要看它的扩展性如何。
- FP16相关数据,从之前跑的FP16的能力看,990 5G应该也有提升空间。
当然这也得看具体评分体系中,CPU/INT8/FP16/Init等各种指标所占的比重。这方面确切的信息公开渠道还未公开,但估计华为、高通、MTK、三星等这些厂商应该已经得到了信息。
这里简要总结一下:
- 海思应该是在有针对性的做AI Benchmark上的优化工作;
- 且从目前透露的数据和对比情况看,目标应该是登顶榜首。
本文是根据现有数据的分析和大胆假设,当然具体情况如何,几个月内应该有答案,我们拭目以待。
这篇关于AI Benchmark v4榜首风云:天玑1000+ vs 麒麟990 5G的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!