الوصف
يمثل MobileOne تقدمًا كبيرًا في تطوير الشبكات العصبية الفعالة المصممة خصيصًا للأجهزة المحمولة. غالبًا ما تفشل مقاييس التحسين التقليدية مثل FLOPs وعدد المعلمات في التنبؤ بدقة بزمن الاستدلال في العالم الحقيقي على الأجهزة المحمولة. إدراكًا لهذا التباين، تضمن البحث وراء MobileOne تحليلًا مكثفًا لمقاييس مختلفة من خلال نشر العديد من الشبكات الصديقة للأجهزة المحمولة مباشرة على الأجهزة المحمولة.
قراءة المزيد
أدى هذا التحليل إلى تحديد وتخفيف الاختناقات المعمارية والتحسين الموجودة في تصميمات الشبكات العصبية الفعالة الحديثة. النتيجة هي MobileOne، وهي بنية شبكة فعالة مع متغيرات قادرة على تحقيق أوقات استدلال أقل من 1 مللي ثانية على iPhone12، مع الحفاظ في الوقت نفسه على دقة عالية (top-1 accuracy) تبلغ 75.9٪ على مجموعة بيانات ImageNet. يظهر MobileOne أداءً متطورًا بين البنى الفعالة، حيث يوفر تسريعًا كبيرًا على المنصات المحمولة - في بعض الحالات، أسرع بما يصل إلى 38 مرة من النماذج المماثلة مثل MobileFormer مع تحقيق دقة مماثلة.
علاوة على ذلك، يظهر MobileOne أداءً متفوقًا مقارنة بالبنى الراسخة مثل EfficientNet، حيث يقدم دقة top-1 أفضل بنسبة 2.3٪ على ImageNet عند زمن استجابة مماثل. تتمثل إحدى نقاط القوة الرئيسية لـ MobileOne في تنوعه؛ فهو يعمم بفعالية عبر مهام رؤية الكمبيوتر المتعددة، بما في ذلك تصنيف الصور، واكتشاف الكائنات، والتجزئة الدلالية. عند نشره على الأجهزة المحمولة، يوفر MobileOne باستمرار تحسينات كبيرة في كل من زمن الاستجابة والدقة عند مقارنته بالبنى الفعالة الحالية، مما يجعله أداة قوية لتطبيقات الذكاء الاصطناعي على الجهاز.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- النشرسحابي
- المنصاتiOS
أبرز ملامح MobileOne
يحقق زمن استدلال أقل من 1 مللي ثانية على iPhone12
دقة top-1 تبلغ 75.9٪ على ImageNet
محسن لزمن استجابة الأجهزة المحمولة
يخفف من الاختناقات المعمارية والتحسين
يعمم على تصنيف الصور
يعمم على اكتشاف الكائنات
يعمم على التجزئة الدلالية
أداء متطور ضمن البنى الفعالة
أسرع 38 مرة من MobileFormer بأداء مماثل
دقة أفضل بنسبة 2.3٪ من EfficientNet عند زمن استجابة مماثل
البدء مع MobileOne
الوصول إلى النموذج: احصل على أوزان وبنية نموذج MobileOne.
إعداد البيئة: قم بتكوين بيئة تطوير محمولة مع المكتبات اللازمة.
التكامل عبر API: قم بدمج النموذج في تطبيقك المحمول باستخدام الواجهات المقدمة.
تحسين النشر: قم بضبط المعلمات للأجهزة المحمولة وحالات الاستخدام المحددة.
تقييم الأداء: قم بقياس سرعة الاستدلال والدقة على الأجهزة المستهدفة.
حالات استخدام MobileOne
- تصنيف الصور على الجهاز
- اكتشاف الكائنات في الوقت الفعلي
- التجزئة الدلالية للأجهزة المحمولة
- تطبيقات الذكاء الاصطناعي منخفضة الطاقة
- مهام رؤية الحوسبة الطرفية
