1新智元編譯

GitHub地址：https://github.com/baidu/mobile-deep-learning

在開(kāi)源PaddlePaddle深度學(xué)習(xí)框架的一年后，百度再次將另一AI技術(shù)投入公共領(lǐng)域——一個(gè)旨在將AI放到智能手機(jī)上的項(xiàng)目。

25日，百度在GitHub開(kāi)源了其移動(dòng)端深度學(xué)習(xí)框架Mobile Deep Learning (MDL)的全部代碼和腳本，并放出“先睹為快”的demo安裝文件。

MDL是一個(gè)基于卷積的神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)來(lái)適用于移動(dòng)設(shè)備。百度表示，它適用于使用智能手機(jī)的相機(jī)功能識(shí)別圖片中的對(duì)象等應(yīng)用程序。

MDL神經(jīng)網(wǎng)絡(luò)的計(jì)算部署在手機(jī)GPU，具有高速和低復(fù)雜性的特征。它可以運(yùn)行在iOS或Android上，但項(xiàng)目的文檔相比Google更傾向于Apple，支持iOS GPU計(jì)算，但Android GPU實(shí)現(xiàn)和TensorFlow模型轉(zhuǎn)MDL尚未釋放。

開(kāi)源代碼約4 MB，沒(méi)有第三方庫(kù)依賴（神經(jīng)網(wǎng)絡(luò)模型之外）。開(kāi)發(fā)人員推薦使用該公司的PaddlePaddle模型轉(zhuǎn)MDL，但也可以使用Caffe模型。

下面的截圖顯示，MDL可以在不到半秒內(nèi)識(shí)別出圖中的手機(jī)。

另一個(gè)MDL demo是識(shí)別圖中的瓷杯，并將其用于尋找同款商品。

百度Mobile Deep Learning (MDL)

以下內(nèi)容來(lái)自GitHub：https://github.com/baidu/mobile-deep-learning

百度研發(fā)的移動(dòng)端深度學(xué)習(xí)框架，致力于讓卷積神經(jīng)網(wǎng)絡(luò)極度簡(jiǎn)單的部署在手機(jī)端。目前正在手機(jī)百度內(nèi)運(yùn)行。支持iOS gpu計(jì)算。體積小，速度快。

• 體積 armv7 340k+

• 速度 iOS GPU mobilenet 可以達(dá)到 40ms、squeezenet 可以達(dá)到 30ms

先睹為快

如果你想先運(yùn)行demo試試效果?；蛘吣銉H僅是想快速用起來(lái)，而不關(guān)心CNN細(xì)節(jié)實(shí)現(xiàn)。開(kāi)源庫(kù)提供編譯好的安裝文件, 直接下載安裝即可。

特征

• 一鍵部署，腳本參數(shù)就可以切換ios或者android

• 支持iOS gpu運(yùn)行MobileNet、squeezenet模型

• 已經(jīng)測(cè)試過(guò)可以穩(wěn)定運(yùn)行MobileNet、GoogLeNet v1、squeezenet模型

• 體積極小，無(wú)任何第三方依賴。純手工打造。

• 提供量化腳本，對(duì)32位float轉(zhuǎn)8位uint直接支持，模型體積量化后4M上下

• 與ARM相關(guān)算法團(tuán)隊(duì)線上線下多次溝通，針對(duì)ARM平臺(tái)會(huì)持續(xù)優(yōu)化

• NEON使用涵蓋了卷積、歸一化、池化所有方面的操作

• 匯編優(yōu)化，針對(duì)寄存器匯編操作具體優(yōu)化

• loop unrolling 循環(huán)展開(kāi)，為提升性能減少不必要的CPU消耗，全部展開(kāi)判斷操作

• 將大量繁重的計(jì)算任務(wù)前置到overhead過(guò)程

MDL使用的是寬松的MIT開(kāi)源協(xié)議。

demo源碼實(shí)現(xiàn)請(qǐng)閱讀GitHub頁(yè)面。

點(diǎn)擊閱讀原文可查看職位詳情，期待你的加入~