MobilenetV2 在ARM CPU上的MNN部署

最近在做部署相关工作，为了验证MNN的编译是否有问题，使用MobilenetV2在MNN上进行了部署测试。

我实现模型在ARM CPU上使用MNN的部署，主要有六个步骤：

1.使用pytorch完成模型代码，并用torch.jit.script生成静态模型；

2.使用ONNX完成模型转换；

3.编译MNN环境；

4.使用MNNConvert将ONNX文件转为MNN文件；

5.使用C++完成MNN模型类；

6.调用模型推理代码，编译代码进行测试；

下面分开介绍一下每个步骤：

1.第一个步骤从GitHub上找到一个mobilenet-v2的开源代码(GitHub - tonylins/pytorch-mobilenet-v2: A PyTorch implementation of MobileNet V2 architecture and pretrained model.)可以直接用,下载代码并同时下载权重。注意在加载权重时，会报missing keys的错误，需要修改mobilenet_v2方法。

def mobilenet_v2(tar_file,pretrained=True):
    model = MobileNetV2(width_mult=1)

    if tar_file:
        state_dict = torch.load(tar_file)
        new_state_dict = collections.OrderedDict()
        for k,v in state_dict.items():
            if k == "classifier.1.weight":
                new_state_dict["classifier.weight"] = v
            elif k == "classifier.1.bias":
                new_state_dict["classifier.bias"] = v
            else:
                new_state_dict[k] = v

        model.load_state_dict(new_state_dict)

    return model

同时使用torch.jit.scr