深度学习模型移植的移动端框架总结


公司这边使用自己开发的CNN库,下面列出各大公司使用的CNN库。

 之前调研过NCNN和FeatureCNN

  1. ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架

  2. ncnn 从设计之初深刻考虑手机端的部署和使用

  3. 无第三方依赖,跨平台、手机端Cpu的速度快于目前所有已知的开源框架

  4. ncnn 目前已经在腾讯支持多款手机应用:qq,qzone,微信,天天p图

  5. 支持卷积神经网络,支持多输入和多分支结构,可计算部分分支

  6. 无任何第三方依赖,不依赖BLAS/NNPACK等计算框架

  7. 纯c++实现

  8. ARM NEON 汇编级别优化,计算速度极快

  9. 内存占用率低

 

  1. FeatureCNN 是由腾讯AI平台部研发的高效神经网络钱箱计算开源库,目前主要针对ARM CPUs, 未来可能会拓展到其他设备。

  2. 与其他开源库比较:

    highly performant:包括手机(ios,android),嵌入式设备(linux)以及基于ARM的服务器(linux)

    easily deployable: 无第三方依赖,让在移动平台上的开发更容易。Featurecnn自己的模型格式和caffe model 相兼容,目前正在解决与其他预训练模型的兼容性

    featureweight: 编译后大小为几百KBS

  


免责声明!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系本站邮箱yoyou2525@163.com删除。



 
粤ICP备18138465号  © 2018-2025 CODEPRJ.COM