بهینه سازی عملکرد مدل ML در دستگاه های مختلف تلفن همراه می تواند چالش برانگیز باشد. تست دستی آهسته، پرهزینه و اغلب برای اکثر توسعه دهندگان غیرقابل دسترس است، که منجر به عدم قطعیت در عملکرد مدل در دنیای واقعی می شود. Google AI Edge Portal این مشکل را با فعال کردن معیارهای مدل LiteRT در طیف گسترده ای از دستگاه های تلفن همراه حل می کند و به توسعه دهندگان کمک می کند تا بهترین پیکربندی ها را برای استقرار مدل ML در مقیاس بزرگ پیدا کنند.
بهینه سازی استقرار ML موبایل
چرخه‌های آزمایش را در چشم‌انداز سخت‌افزاری متنوع ساده و تسریع کنید : بدون زحمت عملکرد مدل را در صدها دستگاه تلفن همراه نماینده در عرض چند دقیقه ارزیابی کنید.
به طور فعال کیفیت مدل را تضمین کنید و مشکلات را زودتر شناسایی کنید : قبل از استقرار، تغییرات یا رگرسیون‌های عملکرد خاص سخت‌افزار (مانند چیپ‌ست‌های خاص یا دستگاه‌های دارای محدودیت حافظه) را مشخص کنید.
هزینه تست دستگاه پایین تر و دسترسی به آخرین سخت افزار : تست بر روی ناوگان متنوع و به طور مداوم در حال رشد دستگاه های فیزیکی (در حال حاضر بیش از 100 مدل دستگاه از OEM های مختلف Android) بدون هزینه و پیچیدگی نگهداری از آزمایشگاه خود.
قفل تصمیمات و هوش تجاری قدرتمند و مبتنی بر داده را باز کنید : پورتال هوش مصنوعی Google Edge داده‌ها و مقایسه‌های عملکردی غنی را ارائه می‌کند و هوش تجاری حیاتی مورد نیاز برای هدایت مطمئن بهینه‌سازی مدل و اعتبارسنجی آمادگی استقرار را ارائه می‌دهد.
نمونه معیار:
چگونه Google AI Edge Portal به شما کمک می کند تا مدل های LiteRT خود را محک بزنید
آپلود و پیکربندی : فایل مدل خود را از طریق رابط کاربری آپلود کنید یا در سطل فضای ذخیره‌سازی Google Cloud به آن اشاره کنید.
انتخاب شتاب‌دهنده‌ها : آزمایش را در برابر CPU یا GPU (با بازگشت خودکار CPU) مشخص کنید. پشتیبانی از NPU برای نسخه های آینده برنامه ریزی شده است.
دستگاه‌ها را انتخاب کنید : با استفاده از فیلترها (سطح دستگاه، نام تجاری، چیپ‌ست، رم) دستگاه‌های هدف را از مجموعه متنوع ما انتخاب کنید یا فهرست‌های انتخاب شده را با میانبرهای راحت انتخاب کنید.
یک کار معیار جدید در بیش از 100 دستگاه ایجاد کنید. (توجه: GIF تسریع شده و برای اختصار ویرایش شده است)
از آنجا، شغل خود را ارسال کنید و منتظر تکمیل باشید. پس از آماده شدن، نتایج را در داشبورد تعاملی بررسی کنید:
مقایسه پیکربندی‌ها : هنگام استفاده از شتاب‌دهنده‌های مختلف در همه دستگاه‌های آزمایش‌شده، به سرعت تجسم کنید که چگونه معیارهای عملکرد (مانند تأخیر متوسط، حداکثر حافظه) متفاوت است.
تجزیه و تحلیل تأثیر دستگاه : ببینید که چگونه یک پیکربندی مدل خاص در طیف وسیعی از دستگاه‌های انتخاب شده عمل می‌کند. از هیستوگرام ها و نمودارهای پراکندگی برای شناسایی سریع تغییرات عملکرد مرتبط با ویژگی های دستگاه استفاده کنید.
معیارهای دقیق : به یک جدول دقیق و قابل مرتب‌سازی دسترسی داشته باشید که معیارهای خاصی (زمان شروع، تأخیر استنتاج، استفاده از حافظه) را برای هر دستگاه به همراه مشخصات سخت‌افزاری آن نشان می‌دهد.
نتایج محک را در داشبورد تعاملی مشاهده کنید. (توجه: GIF تسریع شده و برای اختصار ویرایش شده است)
به پیش‌نمایش خصوصی Google AI Edge Portal بپیوندید
Google AI Edge Portal به صورت پیش‌نمایش خصوصی برای مشتریان فهرست مجاز Google Cloud در دسترس است. در طول این دوره پیش‌نمایش خصوصی، با توجه به شرایط پیش‌نمایش، دسترسی بدون هزینه ارائه می‌شود.
این پیش‌نمایش برای توسعه‌دهندگان و تیم‌هایی ایده‌آل است که برنامه‌های کاربردی ML تلفن همراه را با LiteRT می‌سازند که به داده‌های محک قابل اعتماد در سخت‌افزارهای مختلف Android نیاز دارند و مایل به ارائه بازخورد برای کمک به شکل‌دهی آینده محصول هستند. برای درخواست دسترسی، فرم ثبت نام ما را برای ابراز علاقه در اینجا تکمیل کنید. دسترسی از طریق فهرست مجاز اعطا می شود.
تاریخ آخرین بهروزرسانی 2025-06-17 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-06-17 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# Google AI Edge Portal\n\n| **Note:** Google AI Edge Portal is in Private Preview and supports .litert models on GPU \\& CPU at this time. Complete our [sign-up form](https://docs.google.com/forms/d/e/1FAIpQLSfTcGPycQve8TLAsfH46pBlXBZe9FrgJAClwbF7DeL1LgVn4Q/viewform?usp=header) to request access.\n\n**AI Edge's Google Cloud solution for testing and benchmarking on-device machine learning (ML) at scale.**\n\n[Sign Up](https://docs.google.com/forms/d/e/1FAIpQLSfTcGPycQve8TLAsfH46pBlXBZe9FrgJAClwbF7DeL1LgVn4Q/viewform?usp=header)\n\nOptimizing ML model performance across diverse mobile devices can be challenging.\nManual testing is slow, costly, and often inaccessible to most developers,\nleading to uncertainties in real-world model performance. Google AI Edge\nPortal solves this by **enabling LiteRT model benchmarking across a wide-range\nof mobile devices**, helping developers find the best configurations for\nlarge-scale ML model deployment.\n\nOptimizing mobile ML deployment\n-------------------------------\n\n- **Simplify \\& accelerate testing cycles across the diverse hardware landscape**:\n Effortlessly assess model performance across hundreds of\n representative mobile devices in minutes.\n\n- **Proactively assure model quality \\& identify issues early**: Pinpoint\n hardware-specific performance variations or regressions (like on particular\n chipsets or memory-constrained devices) before deployment.\n\n- **Lower device testing cost \\& access latest hardware**: Test on diverse and\n continually growing fleet of physical devices (currently 100+ device models\n from various Android OEMs) without the expense and complexity of maintaining\n your own lab.\n\n- **Unlock powerful, data-driven decisions \\& business intelligence**: Google AI\n Edge Portal delivers rich performance data and comparisons, providing the\n crucial business intelligence needed to confidently guide model optimization\n and validate deployment readiness.\n\nExample benchmark:\n\n\u003cbr /\u003e\n\nHow Google AI Edge Portal helps you benchmark your LiteRT models\n----------------------------------------------------------------\n\n1. **Upload \\& configure**: Upload your model file via the UI or point to it in your\n Google Cloud Storage bucket.\n\n2. **Select accelerators**: Specify testing against CPU or GPU (with automatic CPU\n fallback). NPU support is planned for future releases.\n\n3. **Select devices**: Choose target devices from our diverse pool using filters\n (device tier, brand, chipset, RAM) or select curated lists with convenient\n shortcuts.\n\n\u003cbr /\u003e\n\n\n*Create a New Benchmark Job on 100+ Devices. (Note: GIF is accelerated and edited for brevity)*\n\nFrom there, submit your job and await completion. Once ready, explore the\nresults in the Interactive Dashboard:\n\n- **Compare configurations**: Quickly visualize how performance metrics (e.g.,\n average latency, peak memory) differ when using different accelerators across\n all tested devices.\n\n- **Analyze device impact**: See how a specific model configuration performs across\n the range of selected devices. Use histograms and scatter plots to quickly\n identify performance variations tied to device characteristics.\n\n- **Detailed metrics**: Access a detailed, sortable table showing specific metrics\n (initialization time, inference latency, memory usage) for each individual\n device, alongside its hardware specifications.\n\n\u003cbr /\u003e\n\n\n*View Benchmark Results on the interactive Dashboard. (Note: GIF is accelerated and edited for brevity)*\n\nJoin the Google AI Edge Portal private preview\n----------------------------------------------\n\nGoogle AI Edge Portal is available in private preview for allowlisted Google\nCloud customers. During this private preview period, access is provided at no\ncharge, subject to the preview terms.\n\nThis preview is ideal for developers and teams building mobile ML applications\nwith LiteRT who need reliable benchmarking data across diverse Android hardware\nand are willing to provide feedback to help shape the product's future. To\nrequest access, complete our [sign-up form here](https://docs.google.com/forms/d/e/1FAIpQLSfTcGPycQve8TLAsfH46pBlXBZe9FrgJAClwbF7DeL1LgVn4Q/viewform?usp=header)\nto express interest. Access is granted via allowlisting."]]
