Los mejores teléfonos con Android para 2018
Este año finalmente entregará los beneficios de Deep Learning a las plataformas móviles.
Esperamos mejoras significativas en privacidad, personalización,
funcionalidad fuera de línea y costo de servicios en todos los segmentos
de aplicaciones móviles.
Alexa, Cortana y Siri pronto vivirán en nuestros teléfonos,
respondiendo preguntas, traduciendo y siendo útiles incluso cuando
viajamos al exterior o cuando salimos de la red. Los videojuegos serán más entretenidos, desafiantes e interesantes incluso cuando juguemos contra la computadora. La transmisión de video consumirá menos ancho de banda y datos móviles, mientras que la calidad de la imagen mejorará. Todo esto contará con tecnología Deep Neural Network.
Si está en el mercado de un nuevo teléfono con Android, tenemos algunos
consejos para ayudarlo a elegir el mejor dispositivo para esta nueva
ola de aplicaciones inteligentes.
Entonces, ¿qué teléfono debería obtener?
En Numericcal, pasamos mucho tiempo evaluando la idoneidad de varios dispositivos para ejecutar Deep Neural Networks.
Para evaluar cada teléfono, ejecutamos una batería de puntos de
referencia de la Red Neuronal Profunda y calculamos su Capacidad de
Procesamiento Neural (NPC). Intuitivamente, NPC nos dice cuánto más rápido un teléfono ejecuta Deep Neural Networks en comparación con otros teléfonos.
Si está optimizando la velocidad, solo se destacan tres marcas: Google, Samsung y LG.
Sorprendentemente, el recién llegado Google no solo se encuentra entre
los tres primeros, sino significativamente por delante del segundo
Samsung, con una ventaja de rendimiento de ~ 20%.
La siguiente tabla muestra los diez mejores modelos de teléfonos de
acuerdo con el rendimiento crudo de NPC (más alto es mejor). Es interesante observar que el modelo más nuevo no siempre es el que mejor funciona.
Si busca la mejor relación calidad-precio, debe considerar las siguientes cuatro marcas: Samsung, LG, HTC y Motorola. La siguiente tabla muestra los diez mejores modelos de teléfonos en términos de NPC por precio unitario (más alto es mejor).
Perspectiva de la industria
A pesar de todo el bombo, Deep Learning todavía no ha proporcionado un valor real para los consumidores en el espacio móvil.
Si bien la capacitación de la red Deep Neural se ha trabajado en su
mayor parte, queda mucho trabajo por hacer para que su implementación y
actualización en dispositivos móviles sea perfecta y eficiente.
En términos de ingeniería vemos a Google, el recién llegado al campo del hardware, avanzando.
Será interesante ver si los titulares cuentan con la tecnología y la
experiencia necesarias para ponerse al día con Google en la integración
de hardware / software.
También está claro que, como consumidores, tendremos que pagar una
prima por la experiencia de usuario mejorada que puede proporcionar un
hardware de mayor rendimiento.
Solo cuatro compañías llegaron a los 10 principales modelos de
teléfonos de acuerdo con nuestro rendimiento por unidad de medida de
precios.
Samsung y LG aparecen en ambos gráficos, por lo que es justo decir que actualmente brindan el mejor valor general.
Sin embargo, incluso aquí debemos tener cuidado y tener en cuenta que
los modelos más nuevos, que vienen en el punto de precio premium, no
necesariamente funcionan mejor que los modelos anteriores.
Soy un desarrollador y quiero saber más
En esta comparación de rendimiento usamos el motor de tiempo de ejecución de TensorFlow Mobile. Por supuesto, hay diferentes marcos de ML y motores de ejecución que los desarrolladores podrían usar para la implementación.
Sin embargo, debido a la facilidad de uso general, y al hecho de que el
ecosistema de Android y el hardware de la plataforma están muy
fragmentados, TensorFlow Mobile será el marco DL más preparado para la
producción en los próximos años.
Para obtener un resumen detallado de los resultados de las mediciones, visite nuestro espacio de trabajo del proyecto.
Para ver cómo puede aprovechar estos gráficos de referencia para
optimizar el rendimiento de su aplicación durante la implementación,
consulte nuestro Alpha y díganos qué opina.
Bio: Zach Thigpen es cofundador y director de operaciones de Numericcal y candidato a MBA en la Escuela de Negocios UC Berkeley-Haas.
No hay comentarios.:
Publicar un comentario