百度开源移动端深度学习框架可在苹果.蹭飞

百度开源移动端深度学习框架MDL，可在苹果安卓系统自由切换

AI科技评论消息，日前，百度在 GitHub 上开源了移动端深度学习框架 mobile-deep-learning（MDL）的全部代码以及脚本，这项研究旨在让卷积神经络（CNNC）能更简单和高速的部署在移动端，支持iOS GPU，目前已经在百度APP上有所使用。 AI科技评论将GitHub上的具体内容整理如下：

大小：340k+（在arm v7上）

速度：对于iOS Metal GPU Mobilenet，速度是40ms，对于Squeezenet

，速度是30ms

展示案例

如果想先运行demo或快速使用这个框架，你可以扫下面的二维码安装编译好的apk/ipa文件，不用知道详细的安装细节。

iOS-MobileNet:

Android-Googlenet:

想要了解源码实现可以继续往下看，源码位于examples文件夹里。

执行样例

1、复制项目代码

2、安装apk\\ipa文件，或导入到IDE

3、运行

前期准备

android端安装NDK

安装Cmake

Android端 NDK CMake 文件地址：

安装 Protocol Buffers

使用MDL lib步骤

在OSX或Linux上测试：

# mac or linux:

./ mac

cd build/release/x86/build

./mdlTest

使用MDL lib

#android

Copy so file to your project. According to the example of writing your code.

#ios

The example code is your code.

多线程执行

# After a Net instance in MDL is created, you could set its thread numbers for execution like this.

net-set_thread_num(3); # Now MDL is tuned to run in 3 parallel threads.

开发

在android端编译MDL资源

# android:

# prerequisite: install ndk from google

./ android

cd build/release/armv-v7a/build

./deploy_

adb shell

cd /data/local/tmp

./mdlTest

在iOS端编译MDL资源

# ios:

# prerequisite: install xcode from apple

父母不放心自己独自闯荡北京./ ios

copy ./build/release/ios/build/libmdl-static.a to your iOS project

把caffemodel转换成mdl格式

#Convert ototxt and ffemodel to on and n that mdl use

./ mac

cd ./build/release/x86/tools/build

# copy your ototxt and ffemodel to this path

# also need the input data

./caffe2mdl ototxt ffemodel data

# after this command, on n will be created in current

# some difference step you need to do if you convert caffe model to iOS GPU format

# see this:

open iOS/convert/

特征

一键部署，可以通过修改参数在iOS和android端之间转换

iOS GPU上支持运行MobileNet和Squeezenet模型

在MobileNet、GoogLeNet v1和Squeezenet模型下都很稳定

占用空间极小（4M），不需要依赖第三方的库

支持从32比特float到8比特unit转化

接下来会与与ARM相关的算法团队进行线上线下沟通，优化ARM平台

NEON使用涵盖了所有的卷积、归一化、池化等

利用循环展开，可以让性能更加优化，防止不必要的CPU损失

对于overhead进程，可以转发大量繁重的计算任务

项目地址：

(公众号：) AI科技评论整理。

版权文章，未经授权禁止转载。详情见转载须知。

玉林医院哪白癜风好
杭州治疗男科
南京治白癜风医院哪好