边缘AI系统开发的首要任务是选择合适的DNN模型，同时要兼顾系统的性能、精度和功耗目标。GitHub上的TI边缘AI Model Zoo等工具可助您加速此流程。
Model Zoo广泛汇集了TensorFlow、PyTorch和MXNet框架中常用的开源深度学习模型。这些模型在公共数据集上经过预训练和优化，可以在TI适用于边缘AI的处理器上高效运行。TI会定期使用开源社区中的新模型以及TI设计的模型对Model Zoo进行更新，为您提供性能和精度经过优化的广泛模型选择。
Model Zoo囊括数百个模型，TI模型选择工具（如图2所示）可以帮助您在不编写任何代码的情况下，通过查看和比较性能统计数据（如推理吞吐量、延迟、精度和双倍数据速率带宽），快速比较和找到适合您AI任务的模型。
不同常用模型的运算方式各不相同。同样位于GitHub上的TI边缘AI基准工具可帮助您为TI Model Zoo中的模型无缝匹配DNN模型功能，并作为自定义模型的参考。
评估TI处理器模型性能的方式有两种：TDA4VM入门套件评估模块(EVM)或TI Edge AI Cloud，后者是一项免费在线服务，可支持远程访问TDA4VM EVM，以评估深度学习推理性能。借助针对不同任务和运行时引擎组合的数个示例脚本，五分钟之内便可在TI硬件上编程、部署和运行加速推理，同时收集基准测试数据。
