基于RV1126开发板移植NCNN部署库方法

1. NCNN介绍

       本文档说明基于EASY EAI Nano移植NCNN部署库的方法与基于NCNN成功运行yolov4的Demo。

       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做为腾讯优图最“火”的开源项目之一，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，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。

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

详情可以参考官方Github：https://github.com/Tencent/ncnn

2. 源码包下载与编译

2.1 源码下载放置到ubuntu

       NCNN相关源码可以通过我们的百度网盘进行下载(已经配置好编译脚本)，下载链接为:

       链接：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

 

       得到如下图所示:

2.2 NCNN编译

       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:

3. Yolov4基于NCNN运行

3.1 例程下载放置到ubuntu

       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(已经配置好编译脚本)，下载链接为:

       链接：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:

3.2 编译例程

       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:

3.3 在EASY EAI Nano执行例程

       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:

 

sudo cd /userdata/test-ncnn-demo-release/
sudo ./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 .

 

       结果图片如下所示:

审核编辑 黄宇