- APP神圣官网 > 官方版本 > 正文
腾讯操作详细NCNN(腾讯操作详细微软神经网络)「腾讯 nlp」
11 月 19 日,历经数月打磨,由InfoQ发起并组织,共有300+参评项目,100+入围项目,10000+开发者公开票选,20+顶尖专家评审,10+主编团打分的【 2020 中国技术力量年度榜单评选】结果终见分晓腾讯优图「ncnn」荣获2020年度十大开源新锐项目
「ncnn」是一个针对移动平台优化的高性能神经网络推理框架,并在2017年7月正式开源ncnn是腾讯优图最“火”的开源项目之一,作为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技术带到用户指尖它支持大部分常用的 CNN 网络,包括Classical CNN、Practical CNN、Light-weight CNN、Face Detection等,并拥有十分强大的功能👇纯 C++ 实现,跨平台,支持 android、ios 等可扩展的模型设计,支持 8bit 量化和半精度浮点存储目前应用在许多图像分类、风格迁移、目标检测、人脸检测案例中,并已被多款APP使用欢迎大家前来评测使用👇https://github.com/Tencent/ncnnncnn 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ncnn 从设计之初深刻考虑手机端的部署和使用无第三方依赖,跨平台,手机端 cpu 的速度快于目前所有已知的开源框架基于 ncnn,开发者能够将深度学习算法轻松移植到手机端高效执行,开发出人工智能 APP,将 AI 带到你的指尖ncnn 目前已在腾讯多款应用中使用,如 QQ,Qzone,微信,天天P图等支持大部分常用的 CNN 网络Classical CNN: VGG AlexNet GoogleNet Inception ...Practical CNN: ResNet DenseNet SENet FPN ...Light-weight CNN: SqueezeNet MobileNetV1/V2/V3 ShuffleNetV1/V2 MNasNet ...Face Detection: MTCNN RetinaFace ...Detection: VGG-SSD MobileNet-SSD SqueezeNet-SSD MobileNetV2-SSDLite MobileNetV3-SSDLite ...Detection: Faster-RCNN R-FCN ...Detection: YOLOV2 YOLOV3 MobileNet-YOLOV3 YOLOV4 YOLOV5 ...Segmentation: FCN PSPNet UNet YOLACT ...Pose Estimation: SimplePose ...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 加速整体库体积小于 700K,并可轻松精简到小于 300K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恩,很强就是了,不怕被塞卷 QvQsupported platform matrixncnn-android-yolov5案例how to build and runstep1https://github.com/Tencent/ncnn/releasesdownload ncnn-android-vulkan-lib.zip or build ncnn for android yourselfstep2extract ncnn-android-vulkan-lib.zip into app/src/main/jni or change the ncnn path to yours in app/src/main/jni/CMakeLists.txtstep3open this project with Android Studio, build it and enjoy!caffe-android-lib, mini-caffe, and ncnn对比squeezenet_v1.1mobilenet_v1vgg16如果想加入我们“计算机视觉研究院”,请扫二维码加入我们我们会按照你的需求将你拉入对应的学习群
计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯
联系我们
在线咨询:
0 评论