MLPerf 汽车
机器学习
2025-11-03 v1 性能
摘要
我们提出 MLPerf 汽车，这是第一个面向用于汽车系统中 AI 加速的机器学习系统进行标准化公共基准测试的工具。该基准由 MLCommons 与自主车计算联盟合作开发，旨在满足汽车机器学习系统对标准化性能评估方法的需求。现有的基准套件无法用于这些系统，因为汽车工作负载具有独特约束，包括安全性和实时处理，区别于此前针对不同领域引入的基准所针对的场景。我们的基准框架提供延迟和准确性指标，以及评估协议，使不同硬件平台和软件实现之间的性能比较能够保持一致且可重复。该基准的第一版本包括汽车感知任务中的 2D 目标检测、2D 语义分割和 3D 目标检测。我们描述了基准设计背后的方法，包括任务选择、参考模型以及提交规则。我们还讨论了第一轮基准提交情况以及获取数据集和开发参考实现所面临的挑战。我们的基准代码已在 https://github.com/mlcommons/mlperf_automotive 上提供。
引用
@article{arxiv.2510.27065,
title = {MLPerf Automotive},
author = {Radoyeh Shojaei and Predrag Djurdjevic and Mostafa El-Khamy and James Goel and Kasper Mecklenburg and John Owens and Pınar Muyan-Özçelik and Tom St. John and Jinho Suh and Arjun Suresh},
journal= {arXiv preprint arXiv:2510.27065},
year = {2025}
}
备注
16 pages, 5 figures, 6 tables