【无标题】移动端深度学习开源框架及部署（对比）

最新推荐文章于 2025-03-05 08:02:18 发布
转载 最新推荐文章于 2025-03-05 08:02:18 发布 · 481 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://www.cnblogs.com/LXP-Never/p/14840535.html
文章标签：

#pytorch #图像处理 #深度学习

博客聚焦移动端深度学习，提及开源框架及部署相关内容，涉及图像处理等信息技术领域知识，运用深度学习方法，与pytorch框架相关。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

aidem_brown
关注
今天来聊一聊移动端深度学习框架 Mobile AI Compute Engine
Y666_788的博客
07-04 545
它的高性能和低功耗的特点使得移动设备可以实现复杂的深度学习推理任务，如图像识别、语音处理等。未来，随着移动设备计算能力的不断提升和AI技术的进一步发展，MACE将在移动应用领域继续发挥重要作用，推动移动端的智能化和创新应用的涌现。通过利用MACE的灵活性和跨平台支持，开发者可以开发出各种创新的移动AI应用，如人体姿态识别、情感分析、智能驾驶等，拓展了移动设备上的智能应用领域。通过结合深度学习和MACE的高效推理能力，开发者可以构建智能的语音助手、语音翻译和文本生成等应用，为用户提供更便捷、自然的交互体验。
移动端深度学习开源框架及部署
凌逆战的博客
06-02 1190
TensorFlow Lite 开源企业：谷歌　　　 GitHub地址：https://github.com/tensorflow/tflite-micro 　　TensorFlow Lite for Microcontrollers是TensorFlow Lite的实验端口，旨在在只有千字节内存的微控制器和其他设备上运行机器学习模型。它不需要操作系统支持，任何标准C或C ++库或动态内存分配...
移动端深度学习模型搭建（示例、源码）
12-28
tensorflow的模型在移动端运行时往往需要进行模型压缩。这主要有于两方面的原因：1.模型过大不易加载和下载，运行时内存占用率太高。2. tensorflow的模型在训练的过程中可能为了训练会添加一些操作和节点，而tensorflow的移动端只专注于推理，这样在运行时就会产生一些内核不存在的错误。所以此时需要通过压缩来减少一些和输入及输出不相关的节点。
【移动端DL框架】当前主流的移动端深度学习框架一览
幽冥之花的博客
12-20 182
https://mp.weixin.qq.com/s/iBqAWdARqYImicvMNllfPw
移动端深度学习框架
左手coding，右手cooking
06-03 337
0.google tensorflow和tensorflow-lite 1.百度paddlepaddle-mobile 和anakin 2.阿里mnn 3.腾讯ncnn和FeatherCNN ncnn不支持转换tensorflow 4...
移动端深度学习框架汇总
荆棘鸟的专栏
02-23 1148
目前的主流移动端推理框架包括： 名称 背景、厂家 底层 简述 tf-lite google float类型调用Eigen，int8类型调用gemmlowp   Core ML 苹果 CPU：Accelerate  GPU：Metal Performance Shaders   Caffe2 faceb...
精选资源
深度学习+移动端框架+模型部署
08-27
本文主要讨论了三个知名的移动端深度学习框架：NCNN、MNN和TNN，它们都是由大型科技公司腾讯和阿里巴巴开发的。 首先，NCNN是腾讯优图实验室在2017年推出的移动端框架。这个框架的设计目标是为手机端提供极致优化的...
小米移动端深度学习框架实践.pdf
最新发布
06-30
在追求极致性能的同时，小米的工程师团队在移动端深度学习框架的实践中，专注于解决移动端设备面临的计算资源和电池寿命的限制。他们通过优化算法、改进模型结构和压缩技术，实现了深度学习模型在有限计算资源的...
移动端深度学习框架对比：NCNN vs MNN
本文主要探讨了深度学习在移动端部署中的应用，特别提到了三个主流的嵌入式移动端深度学习框架——NCNN、MNN和TNN，并对其特点进行了详细阐述。 1. NCNN - 腾讯开源框架 NCNN是腾讯优图实验室在2017年推出的一款...
精选资源
深度学习之模型训练到嵌入式移动端部署核心框架
08-29
本文将深入探讨从模型训练到嵌入式移动端部署的核心框架，主要关注NCNN、MNN和TNN这三个针对移动端优化的深度学习框架。 首先，数据是深度学习的基础。在数据采集和标注阶段，你需要收集与任务相关的大量数据，并...
cpp-MXNet轻量级便携灵活的分布式移动深度学习框架
08-16
MXNet - 轻量级、便携、灵活的分布式/移动深度学习框架，拥有动态, 突变-感知数据流管理调度程序
深度学习模型移植的移动端框架
It is me 的博客
07-30 796
下面列出各大公司使用的CNN库： 各主流移动端深度学习框架诞生时间如下： 2017 年 3 月，XMART LABS 在 GitHub 上开源 Bender 2017 年 4 月 19 日，Facebook 在 F8 开发者大会上推出 Caffe2 (已并入 PyTorch) 2017 年 5 月 17 日，在 Google I/O 2017 大会上，移动端深度学习框架 TensorFlow Lite 诞生 2017 年 6 月 6 日，苹果在 WWDC 大会上推出 Core ML 2.
深度学习模型在移动端的部署
智云视图的博客
04-27 2万+
简介 自从 AlphaGo 出现以来，机器学习无疑是当今最火热的话题，而深度学习也成了机器学习领域内的热点，现在人工智能、大数据更是越来越贴近我们的日常生活，越来越多的人工智能应用开始在移植到移动端上，那能够快速高效地在移动端部署深度学习模型就变成亟待解决的问题了。 现阶段 app 上使用的深度学习主要有两种模式： Online 方式 首先在移动端做初步预处理，然后把数据传到服务器进行预测后返回移...
AI开发者看过来，主流移动端深度学习框架大盘点
麦峰强的博客
12-14 3263
简书作者 dangbo 在《移动端深度学习展望》一文中对现阶段的移动端深度学习做了相关展望。作者认为，现阶段的移动端 APP 主要通过以下两种模式来使用深度学习： online 方式：移动端做初步预处理，把数据传到服务器执行深度学习模型，优点是这个方式部署相对简单，将现成的框架（Caffe，Theano，MXNet，Torch) 做下封装就可以直接拿来用，服务器性能大, 能够处理比较大的模型...
深度学习模型在移动设备的部署
qq_38844835的博客
10-10 1175
传统部署方法 使用了深度学习技术的移动应用，通常都是直接依赖云服务器来完成DNN所有的计算操作，但这样做的缺点在于移动设备与云服务器之间的数据传输带来的代价并不小（表现在系统延迟时间和移动设备的电量消耗）。 对于所有使用深度学习技术来处理图像、视频、语音和文本数据的个人智能助手而言，目前工业界通常的做法是，利用云服务器上强大的GPU集群资源来完成应用程序的计算操作（以下简称为现有方法）。目前运行在移动设备上的个人智能助手（例如Siri、Google Now和Cortana等）都是采用这种做法。 我们会
浅析移动终端深度学习推理框架之MNN
03-27 2500
MNN是一种深度学习的开源推理引擎，全称是"Mobile Neural Network"，主要用于在移动设备和嵌入式设备上执行深度神经网络模型的推理任务。它支持跨平台的推理引擎API，可以运行在不同的硬件设备上，包括Android、iOS、Linux 和 Windows 等系统。
支持移动端深度学习的几种开源框架
zchang81的博客
07-04 5275
移动端深度学习的几种实现方式
深度学习算法移动端部署设备--NVIDIA英伟达开发套件
热门推荐
ayiya_Oese的博客
12-31 3万+
产品分模块(module)和开发板(Developer Kit) JETSON NANO 4G JETSON TX2 32G JETSON AGX XAVIER 32G JETSON Xavier NX 8G Jetson Store：介绍和参数 Jetson Portfolio CSI Camera NVIDIA Jetson AGX Xavier：您可以轻松创建和部署端到端的人工智能机器人应用程序，用于制造、交付、零售、智慧城市等。支持NVIDIA JetPack和DeepStream sdk，以
【深度学习实践】移动端和嵌入式设备上ncnn模型部署
人工智能(AI)技术，大模型技术，深度学习，机器学习，计算机视觉，AI工具实践应用等分享
03-05 2207
以下内容将从 ncnn 简介、模型生成（从 PyTorch/ONNX 转换到 ncnn）、应用案例（C++ 推理示例） 三个部分进行介绍，并附带示例代码和详细说明，帮助你理解并上手使用 ncnn
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值