rk3399+ubuntu：基于深度学习框架ncnn对比clang和gcc性能

最新推荐文章于 2025-06-16 09:08:14 发布

原创最新推荐文章于 2025-06-16 09:08:14 发布 · 5.4k 阅读

7 ·

CC 4.0 BY-SA版权

DL/ML/AI 同时被 3 个专栏收录

88 篇文章

订阅专栏

机器学习

59 篇文章

订阅专栏

深度学习

55 篇文章

订阅专栏

本文介绍如何使用Clang编译NCNN框架，并详细解释了配置过程和编译指令。通过修改toolchains文件，设置CMake参数，最终在aarch64平台上成功编译。实测表明，Clang编译的NCNN在不同核心上展现出优越的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装clang

apt-get install clang

编译方式

修改toolchains/aarch64-linux-gnu.toolchain.cmake，内容如下：

# set cross-compiled system type, it's better not use the type which cmake cannot recognized.
SET ( CMAKE_SYSTEM_NAME Linux )
SET ( CMAKE_SYSTEM_PROCESSOR aarch64 )

# 注意这里的编译器改为clang
SET ( CMAKE_C_COMPILER "clang" )
SET ( CMAKE_CXX_COMPILER "clang++" )

# set searching rules for cross-compiler
SET ( CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER )
SET ( CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY )
SET ( CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY )

# set ${CMAKE_C_FLAGS} and ${CMAKE_CXX_FLAGS}flag for cross-compiled process
SET ( CMAKE_CXX_FLAGS "-std=c++11 -march=armv8-a -fopenmp ${CMAKE_CXX_FLAGS}" )

# other settings
add_definitions(-D__ARM_NEON)
add_definitions(-D__ANDROID__)
SET ( ANDROID true)

然后：

cd $(ncnn root)
mkdir build
cd build
cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/aarch64-linux-gnu-clang.toolchain.cmake ../
make -j6

编译完毕，把 $(n c n n r o o t) / b u i l d / b e n c h m a r k / b e n c h m a r k 复制到$ (ncnn root)/benchmark/目录下

简单性能测试

clang编译的ncnn在小核和大核上都有肉眼可见的优势。特别是小核上，能优化的和大核差不多。大核上优化空间反而比较小。这点很神奇。

个别模型clang上会差一点。

综合来说，用clang不亏。

树莓派的性能在这里基本不能看了。
在这里插入图片描述