机器学习与计算机视觉（移动端深度学习优化框架）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

 

    我们利用tensorflow、keras、caffe或者mxnet训练好的模型总要移植到嵌入式设备上去运行，因此需要特定的深度学习优化框架。这些框架会利用汇编指令、特定硬件对计算进行优化，提供计算的速度。同时，这些框架一般都自带tensorfow、caffe的模型转换工具，一般不需要很大的努力，这些利用pc、gpu训练出来的模型就可以在嵌入式设备上运行起来。

 

    下面我就来介绍常用的四种深度学习移动框架，其中前三种都可以在github上下载，最后一种需要到公司官网上才能下载学习。

 

1、paddle-mobile

百度的开源移动框架。

https://github.com/PaddlePaddle/paddle-mobile

 

2、ncnn

腾讯的开源移动框架。

https://github.com/Tencent/ncnn

 

3、mace

小米的开源移动框架。

https://github.com/XiaoMi/mace

 

4、snpe

高通的深度学习移动框架。

https://developer.qualcomm.com/docs/snpe/index.html

 

 

btw：

   现在处理图像的软件和硬件都很多，cpu、gpu、fpga都可以，如果是高端的图像处理，建议使用fpga进行处理。图像目前集中于预处理、分割和识别，其中预处理用fpga，分割使用cpu、识别使用深度学习，这已经是大家达成的基本共识了。