性能跑分

本文档列出了在一些 Android 和 iOS 设备上运行常见模型时 TensorFlow Lite 的跑分。

这些跑分数据由 Android TFLite benchmark binary 及 iOS benchmark app 产生。

安卓环境的跑分

对于安卓环境的跑分，为了减少设备间的差异性，CPU 亲和性被设置为使用大核跑分。 (查看详情)

假设模型被下载并解压缩到 /data/local/tmp/tflite_models 路径。用于跑分的二进制文件

使用 这些命令构建。 此外，我们假设该文件位于 /data/local/tmp 目录。

使用以下语句运行跑分:

adb shell taskset ${CPU_MASK} /data/local/tmp/benchmark_model \
  --num_threads=1 \
  --graph=/data/local/tmp/tflite_models/${GRAPH} \
  --warmup_runs=1 \
  --num_runs=50 \
  --use_nnapi=false

在这里， ${GRAPH}是模型的名字， ${CPU_MASK} 是CPU亲和度设置。 请从下表中选择:

Device	CPU_MASK
Pixel 2	f0
Pixel xl	0c

# iOS 跑分 要运行 iOS 跑分， [跑分应用程序](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/tools/benchmark/ios)应含有合适的模型，且 benchmark_params.json` 中的` `num_threads` 被设置为 1。

模型名称	设备	平均推理时间
Mobilenet_1.0_224(float)	Pixel 2	123.3 ms
	Pixel XL	113.3 ms
Mobilenet_1.0_224 (quant)	Pixel 2	65.4 ms
	Pixel XL	74.6 ms
NASNet mobile	Pixel 2	273.8 ms
	Pixel XL	210.8 ms
SqueezeNet	Pixel 2	234.0 ms
	Pixel XL	158.0 ms
Inception_ResNet_V2	Pixel 2	2846.0 ms
	Pixel XL	1973.0 ms
Inception_V4	Pixel 2	3180.0 ms
	Pixel XL	2262.0 ms

模型名称	设备	平均推理时间
Mobilenet_1.0_224(float)	iPhone 8	32.2 ms
Mobilenet_1.0_224 (quant)	iPhone 8	24.4 ms
NASNet mobile	iPhone 8	60.3 ms
SqueezeNet	iPhone 8	44.3
Inception_ResNet_V2	iPhone 8	562.4 ms
Inception_V4	iPhone 8	661.0 ms