本文主要是介绍AI Benchmark v4 Device选择：Google Pixel 4/XL简析，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 2020-10-07
AI Benchmark v4测试项更新以及榜单数据解读知道了AI Benchmark执行的时候可以选择NNAPI，也可以直接用TFLite里的Delegate。Google Pixel 4/XL里用的芯片是高通骁龙855+Google TPU Edge，设备如何选择，选择的是否合理，这里简要分析之。
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Snapdragon 855和Snapdragon 855 + Pixel Neural Core：
可以看到执行Device的选择：
- Snapdragon 855用的是hg，也就是INT8是Hexagon Delegate；FP16是GPU Delegate，这里指定了执行Device及其实现方式（也可以通过NNAPI来让NN Runtime自主选择的）。
- Google Pixel 4的soc Snapdragon 855 + Pixel Neural Core用的是nn，也就是无论INT8还是FP16选择的都是NNAPI，让NN Device的HIDL实现来决定具体由哪个Device来执行。
SOC Snapdragon 855 + Pixel Neural Core里的NN Device里除了Qualcomm 855里的Hex. 690 for INT8, Adreno 640 for FP16, 还有TPU Edge for INT8。HIDL实现里上报的能力（Capabilities）对于INT8类型，TPU Edge指标是大于Hex. 690的，所以NNAPI执行选择Device时，会自动选择TPU Edge for INT8, Adreno 640 for FP16。
再来对比一下两者指标（Pixel 4 vs Snapdragon 855）：
- INT8的NNAPI1.1数据竟然TPU Edge不敌Hex. 690，当然它们的实现路径不同，Hexagon直接是TFLite Delegate；TPU Edge通过NNAPI实现，这里如果模型中有算子支持有问题，性能就会大不同；
- FP16的NNAPI1.2数据Pixel 4 远低于vs Snapdragon 855，都是GPU执行的，也只是路径不同而已，855直接是TFLite Delegate；Pixel 4通过NNAPI实现。同一Device，NNAPI性能低这么多，应该是算子支持有问题。
如果Google不去关注这个榜单，不深究数据，我们无从知晓内部具体实现，就没法更改。但对于AI Benchmark来说，可以比较更客观一点的可以是：对于Pixel 4的FP16选择GPU Delegate。这样，INT8数据因为无从知道如何选择NN Device，通过NNAPI让NN Runtime来自主选择；对于FP16，就直接通过TFLite Delegate指定GPU设备。
这篇关于AI Benchmark v4 Device选择：Google Pixel 4/XL简析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！
