LiteBench | Benchmarking Google LiteRT JS & Código de Inferência Web

1. Classificador e Latência Real

Arraste ou clique abaixo para subir imagem (.jpg/.png)

Subir Imagem

Latência Real {{ latencyMs !== null ? latencyMs + 'ms' : '--' }} Tempo de execução

Aceleração WebGL / WASM Autodetectada no cliente

2. Projetor de Latência Teórica

Parâmetros do Modelo (M) {{ formatNumber(modelParams) }}M

Projeções Estimadas de Hardware

WebGPU (Edge de Alta Velocidade): ~{{ (modelParams * 0.05).toFixed(1) }}ms

WebGL (Aceleração Padrão): ~{{ (modelParams * 0.18).toFixed(1) }}ms

WASM (CPU Threading): ~{{ (modelParams * 0.65).toFixed(1) }}ms

Saída Diagnóstica do Modelo

MobileNet v2 Active

Faça upload ou carregue a demo e clique em "Executar" para computar resultados locais.

Classificação #{{ idx + 1 }} {{ pred.className }}

{{ (pred.probability * 100).toFixed(1) }}%

Script de Inicialização LiteRT JS

{{ generatedCode }}

Google LiteRT for JavaScript

O LiteRT (anteriormente conhecido como TensorFlow Lite) é a tecnologia padrão da Google para execução de alto desempenho de modelos pequenos em ambientes edge e on-device.

1. Delegates WebGPU & WebGL

O novo runtime JavaScript do LiteRT implementa automaticamente delegates de aceleração para mapear pipelines matemáticos para a GPU nativa no Chrome e Edge, diminuindo em até 5x a latência em relação à execução pura de CPU.

2. Otimização de Tensors

Executar pré-processamentos (redimensionamento de imagens, normalização de RGB para floats entre -1 e 1) de forma síncrona consome muita CPU. O LiteRT permite carregar e preprocessar texturas diretamente na memória do shader.

3. Zero Infraestrutura de Nuvem

Modelos leves como o MobileNet v2 operam offline no navegador do usuário de forma assíncrona. Isso elimina a necessidade de pagar por servidores GPU dedicados na nuvem e reduz drasticamente a latência de tráfego de rede.