电子说
本文是基于EASY EAI Nano移植NCNN部署库的方法与NCNN成功运行yolov4的Demo所做的教程。
关于NCNN
NCNN是“腾讯优图实验室”首个开源项目,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。并在2017年7月正式开源。NCNN作为腾讯优图最“火”的开源项目之一,在设计之初便将手机端的特殊场景融入核心理念,是业界首个为移动端优化的开源神经网络推断库。能实现无第三方依赖,跨平台操作,在手机端CPU运算速度在开源框架中处于领先水平。基于该平台,开发者能够轻松将深度学习算法移植到手机端,输出高效的执行,进而产出人工智能APP,将AI技术带到用户指尖。
NCNN功能概述
- 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。
- 无任何第三方库依赖,不依赖 BLAS/NNPACK 等计算框架。
- 纯 C++ 实现,跨平台,支持 android ios 等。
- ARM NEON 汇编级良心优化,计算速度极快。
- 精细的内存管理和数据结构设计,内存占用极低。
- 支持多核并行计算加速,ARM big.LITTLE cpu 调度优化。
- 支持基于全新低消耗的 vulkan api GPU 加速。
- 可扩展的模型设计,支持 8bit 量化 和半精度浮点存储,可导入caffe/pytorch/mxnet/onnx/darknet/keras/tensorflow(mlir) 模型。
- 支持直接内存零拷贝引用加载网络模型。
- 可注册自定义层实现并扩展。
*更多详情参考官方Github:https://github.com/Tencent/ncnn
NCNN目前应用在图像分类、风格迁移、目标检测、人脸检测等案例中,并已被多款APP使用。下面正式进入到NCNN算法移植学习吧。
NCNN相关源码可通过我们的百度网盘进行下载(已配置好编译脚本),下载链接为:
https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g 提取码:dfji
下载ncnn-master.tar.bz2源码包并移植到虚拟机里面,执行以下指令解压源码包:
$ tar xvf ncnn-master.tar.bz2
即可得到如下所示:
执行以下指令编译:
$ cd ncnn-master/
$ ./build-easyeai-nano.sh
编译完成如下图所示:
NCNN库编译完成,生成如下图所示:
Yolov4基于NCNN运行相关运行Demo可以通过我们的百度网盘进行下载(已配置好编译脚本),下载链接为:
https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g 提取码:dfji
下载test_demo.tar.bz2源码包并移植到虚拟机里面,执行以下指令解压源码包:
$ tar xvf test_demo.tar.bz2
得到如下图所示:
执行以下指令编译例程:
$ cd test_demo/
$ ./build.sh
编译成功后结果如下所示:
在ubuntu推送可执行程序文件到板卡的/userdata目录:
$ adb push test-ncnn-demo-release/ /userdata
在EASY EAI Nano板卡执行程序:
# cd /userdata/test-ncnn-demo-release/
# ./test-ncnn-demo test_img/test1.jpg
执行结果如下图所示:
在ubuntu执行以下指令获取识别成功的图片:
$ adb pull /userdata/test-ncnn-demo-release/result.jpg .
最后查看实际的效果图,到这一步就完成啦!
后续更多教程可关注我们的哦,不定时更新各种新品及活动
关于EASY EAI NANO更多详细请前往官网了解
EASY EAI灵眸科技
审核编辑:汤梓红
全部0条评论
快来发表一下你的评论吧 !