深度學習模型移植的移動端框架總結


公司這邊使用自己開發的CNN庫,下面列出各大公司使用的CNN庫。

 之前調研過NCNN和FeatureCNN

  1. ncnn 是一個為手機端極致優化的高性能神經網絡前向計算框架

  2. ncnn 從設計之初深刻考慮手機端的部署和使用

  3. 無第三方依賴,跨平台、手機端Cpu的速度快於目前所有已知的開源框架

  4. ncnn 目前已經在騰訊支持多款手機應用:qq,qzone,微信,天天p圖

  5. 支持卷積神經網絡,支持多輸入和多分支結構,可計算部分分支

  6. 無任何第三方依賴,不依賴BLAS/NNPACK等計算框架

  7. 純c++實現

  8. ARM NEON 匯編級別優化,計算速度極快

  9. 內存占用率低

 

  1. FeatureCNN 是由騰訊AI平台部研發的高效神經網絡錢箱計算開源庫,目前主要針對ARM CPUs, 未來可能會拓展到其他設備。

  2. 與其他開源庫比較:

    highly performant:包括手機(ios,android),嵌入式設備(linux)以及基於ARM的服務器(linux)

    easily deployable: 無第三方依賴,讓在移動平台上的開發更容易。Featurecnn自己的模型格式和caffe model 相兼容,目前正在解決與其他預訓練模型的兼容性

    featureweight: 編譯后大小為幾百KBS

  


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM