手机百度内置深度学习框架，这个效果你打几分?

继PaddlePaddle之后，百度研发的移动端深度学习框架也加入Github开源网站啦！百度方面表示，这一框架致力于让卷积神经网络可极度简单的部署在手机端。目前正在手机百度内运行。支持iOS gpu计算，体积小，速度快。

• 体积 armv7 340k+

• 速度 iOS GPU mobilenet 可以达到 40ms、squeezenet 可以达到 30ms

我们先来看看运行效果：

看完Demo，如果你想了解demo源码实现可以往下看，它位于examples目录中。

运行examples文件

1. 复制项目

2. 安装apk\ipa文件或者导入IDE.

3. 运行

开发或使用要求

• 安卓用户：安装NDK

• 安装Cmake.

• Android NDK CMake 文件

• 安装Protocol Buffers.

如何使用MDL lib

在OSX或者Linux上运行测试

在项目中使用MDL lib

在MDL lib使用多线程

开发

编译android的MDL源码

编译iOS的MDL源码

模型转换

MDL需要兼容的型号才能使用。要获得MDL兼容模型，程序员可以使用百度的脚本将其他深度学习工具训练的模型转换为MDL模型。

百度方面强烈建议使用PaddlePaddle模型。

将PaddlePaddle模型转换为mdl格式

Paddlepaddle型号可以转换为MDL型号

将caffemodel转换为mdl格式

#Convert model.prototxt and model.caffemodel to model.min.json and data.min.bin that mdl use

./build.sh mac

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

# copy your model.prototxt and model.caffemodel to this path

./caffe2mdl model.prototxt model.caffemodel

# if you want to test the model produced by this script, provide color value array of an image as the third parameter ,like this:

./caffe2mdl model.prototxt model.caffemodel data

# the color value should in order of rgb,and transformed according to the model.

# then you will get a new data.min.bin with test data inside

# after this command, model.min.json data.min.bin 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/iOSConvertREADME.md

特征

• 一键部署，脚本参数就可以切换ios或者android

• 支持iOS gpu运行MobileNet、squeezenet模型

• 已经测试过可以稳定运行MobileNet、GoogLeNet v1、squeezenet模型

• 体积极小，无任何第三方依赖。纯手工打造。

• 提供量化脚本，对32位float转8位uint直接支持，模型体积量化后4M上下

• 与ARM相关算法团队线上线下多次沟通，针对ARM平台会持续优化

• NEON使用涵盖了卷积、归一化、池化所有方面的操作

• 汇编优化，针对寄存器汇编操作具体优化

• loop unrolling 循环展开，为提升性能减少不必要的CPU消耗，全部展开判断操作

• 将大量繁重的计算任务前置到overhead过程

MDL使用的是宽松的MIT开源协议。

如果你不想了解CNN细节实现，百度在项目开源页面（https://github.com/baidu/mobile-deep-learning）也附加了安装的二维码，可以直接扫码安装。