目前，人工智能技术的发展速度非常快，也非常引人注目。但对于各种方法，目前还没有可靠准确的基准来衡量各种硬件在不同算法训练和推理中的性能。现在，别担心。国外的一个哥们，AndreyIgnatov发布了一个python库。你可以使用这个python库来测试你的硬件的性能！AIBenchmarkAlpha是一个开源的Python库，用于评估各种硬件平台（包括CPU、GPU和TPU）上的AI性能。该基准测试依赖于TensorFlow机器学习库，为评估关键深度学习模型的推理和训练速度提供了一个准确且轻量级的解决方案。AIBenchmark目前以Pythonpip包的形式发布，可以下载到任何运行Windows、Linux或macOS的系统。这个包在6月26日发布了两个版本，一个是0.1.0，一个是0.1.1。目前支持以下算法的性能测试：●Section1：MobileNet-V2，Classification●Section2：Inception-V3，Classification●Section3：Inception-V4，Classification●Section4：Inception-ResNet-V2，Classification●第5节：ResNet-V2-50，分类第6节：ResNet-V2-152，分类第7节：VGG-16，分类第8节：SRCNN9-5-5，图像到图像映射第9节：VGG-19、Image-to-ImageMapping第10节：ResNet-SRGAN、Image-to-ImageMapping第11节：ResNet-DPED、Image-to-ImageMapping第12节：U-Net、Image-to-ImageMapping第13节：Nvidia-SPADE，图像到图像映射第14节：ICNet，图像分割第15节：PSPNet，图像分割第16节：DeepLab，图像分割第17节：Pixel-RNN，图像修复第18节：LSTM，句子情感分析第19节：GNMT，TextTranslation同时，作者也给出了一些测试结果。非常有趣：目前最好的桌面GPU当属GeForceGTX1080Ti。紧随其后的是TITANXpCE和GeForceGTXTITANX。使用这个库也很简单，可以先pipinstallai-benchmark。注意需要安装tensorflow才能运行。使用方法如下：fromai_benchmarkimportAIBenchmarkresults=AIBenchmark().run()我自己也测试过，很简单：可以看到我的硬件在MobieNet-V2算法中的训练速度大约是27688±741ms，推理速度约为2747±119ms。这速度简直骇人听闻。您可以自己检查结果。
