Android平台的深度学习模型加载

经实验，得到如下结果：
    1、Android通过opencv的DNN模块，可以加载caffe模型，但加载tf、onnx、pt失败；VS中通过opencv的DNN模块加载模型，相同结果。

    2、CenterNet的pth模型转为pt模型，Android中通过pytorch.Module加载失败。

    3、Android中通过pytorch.Module加载大小为13.7M、3.84M的.pt模型成功，加载大小为240M、75M的.pt模型失败；CenterNet的.pt模型为225M。

   4、结论：将Pytorch模型转化为caffe模型，通过opencv的DNN模块加载。

 

        实时性摸底：公开的PyTorch分类模型，Android端运行通过，ZTEBV0710手机0.5fps；公开的Caffe目标检测模型，Android端运行通过，ZTEBV0710手机0.1fps。
ZTEBV0710手机：处理器MT6755，8核CPU，CPU频率1.8GHz。