鲁大师AI评测(AI芯片评测工具) v4.12 安卓版

鲁大师AI是一款面向手机AI芯片的评测软件，围绕超分辨率、物体识别、背景虚化、人脸识别和阅读理解等任务，采用RDN、Resnet50、Deeplabv4.8、Facenet、Bert等模型，通过识别效率与准确度衡量手机AI性能，并给出线路测试分数。

相较鲁大师安卓版中的AI评测，全新的AImark仍沿用成熟神经网络模型，并在原有基础上把图片识别正确概率纳入评分体系，帮助用户快速了解手机性能。整体来看，鲁大师AI评测专业且易用，适合关注手机AI表现的用户下载体验。

注意事项

不支持：X86芯片手机、Pixel手机、联想zuk z2、联想zuk z2 pro、努比亚Z11、摩托罗拉Z2paly；

此版本使用最新的高通平台sdk，snpe-v1.23；

此版本的sdk与s9 / s9 +系统中的库文件不匹配，会导致运行时崩溃，需要s9更新系统。

软件特色

从麒麟970开始，手机soc就将AI模块安排上了：苹果A12、麒麟980、骁龙855均将AI作为重中之重；

以苹果A12为例，它曾位列鲁大师2018年度AI芯片榜首位，首次采用8核架构的“神经网络处理单元”，峰值运算达到每秒5万亿次，运行速度较A11提升9倍；

中高端芯片的AI布局也在加速，AI不再是旗舰专属，骁龙710、骁龙670AIE、骁龙660AIE等中高端芯片同样受到用户和手机厂商青睐；

从“先拍照后对焦”到“3D面部建模捏脸”，从“语音助手”到“智能识图”，AI在手机上的应用越来越多。对消费者来说，要辨别市面上各色手机的AI性能，仅靠使用体验并不够，而且很多AI应用基于算法底层，很难直接感受到，这时让AI性能“有分可查”就显得很重要；

作为行业内首款AI性能跑分软件，鲁大师AI评测广受业内认可，已经成为评判AI性能的重要工具，用全新的体系和算法对手机AI进行更全面的评测。

鲁大师AI评测与ARM、高通、海思、联发科、三星等AI核心SoC产品供应商进行了测试与调整。在本次升级中，AImark 2.0评测算法发生了重大改变；

全新的AImark沿用成熟的Inception V3、ResNet34神经网络模型，原本的VGG16取消，新增ssd、deeplabv3+测试项。具体来说，全新AImark主要通过4个神经网络模型来全方位评测AI性能。

功能介绍

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；

完成测试答案正确率越高，得分越高；

完成测试速度越快，得分越高；

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，准确率不足得分也会大幅下降。完成测试又快又准即为“Clever AI”。

使用教程

首先打开鲁大师AI测评软件，点击前往测评；

随意选择一个图片进行识别，点击开始测评；

真正测评中；

测评结束，用户可以查看各种测评结果；

软件亮点

【ResNet 34】

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；

软件优势

整个应用的操作很方便，而且无广告，自动识别；

鲁大师AI评测是一款界面超级简洁，甚至有点黑科技感觉的小工具；

识别需要时间，但是只需要下载就可以知道你手机性能；

通过运行过程中采集到的并发、速率、精度等指标评测。

更新日志

v4.12版本

- 支持新芯片