内容简介:导读:在移动端进行深度神经网络推理,可以使用腾讯开源的ncnn,或者小米开源的Mace,还有百度家的Paddle-Mobile,他们可以帮助开发者在无需过多了解移动端CPU和GPU优化的情况下,快速部署充分利用硬件加速的应用。刚刚,阿里巴巴也开源了一款工具MNN——Mobile Neural Network 轻量级的深度神经网络推理引擎,并且已经在阿里巴巴内部经过线上部署验证,值得大家参考!
导读:在移动端进行深度神经网络推理,可以使用腾讯开源的ncnn,或者小米开源的Mace,还有百度家的Paddle-Mobile,他们可以帮助开发者在无需过多了解移动端CPU和GPU优化的情况下,快速部署充分利用硬件加速的应用。
刚刚,阿里巴巴也开源了一款工具MNN——Mobile Neural Network 轻量级的深度神经网络推理引擎,并且已经在阿里巴巴内部经过线上部署验证,值得大家参考!
简介
MNN是一个轻量级的深度神经网络推理引擎,在端侧加载深度神经网络模型进行推理预测。目前,MNN已经在阿里巴巴的手机淘宝、手机天猫、优酷等20多个App中使用,覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景。此外,IoT等场景下也有若干应用。
整体特点
轻量性
-
针对端侧设备特点深度定制和裁剪,无任何依赖,可以方便地部署到移动设备和各种嵌入式设备中。
-
iOS平台:armv7+arm64静态库大小5MB左右,链接生成可执行文件增加大小620KB左右,metallib文件600KB左右。
-
Android平台:so大小400KB左右,OpenCL库400KB左右,Vulkan库400KB左右。
通用性
-
支持
Tensorflow
、Caffe
、ONNX
等主流模型文件格式,支持CNN
、RNN
、GAN
等常用网络。 -
支持86个
Tensorflow
Op、34个Caffe
Op;各计算设备支持的MNN Op数:CPU 71个,Metal 55个,OpenCL 29个,Vulkan 31个。 -
支持iOS 8.0+、Android 4.3+和具有POSIX接口的嵌入式设备。
-
支持异构设备混合计算,目前支持CPU和GPU,可以动态导入GPU Op插件,替代CPU Op的实现。
高性能
-
不依赖任何第三方计算库,依靠大量手写汇编实现核心运算,充分发挥ARM CPU的算力。
-
iOS设备上可以开启GPU加速(Metal),常用模型上快于苹果原生的CoreML。
-
Android上提供了
OpenCL
、Vulkan
、OpenGL
三套方案,尽可能多地满足设备需求,针对主流GPU(Adreno
和Mali
)做了深度调优。 -
卷积、转置卷积算法高效稳定,对于任意形状的卷积均能高效运行,广泛运用了 Winograd 卷积算法,对3x3 -> 7x7之类的对称卷积有高效的实现。
-
针对ARM v8.2的新架构额外作了优化,新设备可利用半精度计算的特性进一步提速。
易用性
-
有高效的图像处理模块,覆盖常见的形变、转换等需求,一般情况下,无需额外引入libyuv或opencv库处理图像。
-
支持回调机制,可以在网络运行中插入回调,提取数据或者控制运行走向。
-
支持只运行网络中的一部分,或者指定CPU和GPU间并行运行。
架构设计
MNN可以分为Converter和Interpreter两部分。
Converter由Frontends和Graph Optimize构成。前者负责支持不同的训练框架,MNN当前支持Tensorflow(Lite)、Caffe和ONNX(PyTorch/MXNet的模型可先转为ONNX模型再转到MNN);后者通过算子融合、算子替代、布局调整等方式优化图。
Interpreter由Engine和Backends构成。前者负责模型的加载、计算图的调度;后者包含各计算设备下的内存分配、Op实现。在Engine和Backends中,MNN应用了多种优化方案,包括在卷积和反卷积中应用Winograd算法、在矩阵乘法中应用Strassen算法、低精度计算、Neon优化、手写汇编、多线程优化、内存复用、异构计算等。
Benchmark性能测试结果记录
2019-2-18
华为P10
Build Flags: ABI=arm64-v8a OpenMP=ON Vulkan=ON OpenCL=ON MNN benchmark Forward type: **CPU** Warming up... --------> Benchmarking... loop = 10 [ - ] vgg16.mnn max = 499.545ms min = 410.570ms avg = 445.868ms [ - ] SqueezeNetV1.0.mnn max = 49.437ms min = 38.759ms avg = 43.901ms [ - ] MobileNetV2_224.mnn max = 26.139ms min = 20.400ms avg = 24.489ms [ - ] inception-v3.mnn max = 413.265ms min = 262.142ms avg = 306.542ms [ - ] resnet-v2-50.mnn max = 240.009ms min = 152.649ms avg = 176.075ms [ - ] mobilenet-v1-1.0.mnn max = 89.461ms min = 29.903ms avg = 41.547ms MNN benchmark Forward type: **Vulkan** Warming up... --------> Benchmarking... loop = 10 [ - ] vgg16.mnn max = 293.156ms min = 227.952ms avg = 240.050ms [ - ] SqueezeNetV1.0.mnn max = 47.752ms min = 31.191ms avg = 37.727ms [ - ] MobileNetV2_224.mnn max = 61.352ms min = 35.874ms avg = 46.321ms [ - ] inception-v3.mnn max = 396.939ms min = 180.353ms avg = 349.952ms [ - ] resnet-v2-50.mnn max = 214.694ms min = 100.377ms avg = 169.003ms [ - ] mobilenet-v1-1.0.mnn max = 45.946ms min = 23.257ms avg = 33.217ms
小米Max3
Hardware : Qualcomm Technologies, Inc SDM636 Build Flags: ABI=arm64-v8a OpenMP=ON Vulkan=ON OpenCL=ON MNN benchmark Forward type: **CPU** Warming up... --------> Benchmarking... loop = 10 [ - ] vgg16.mnn max = 1311.661ms min = 1248.531ms avg = 1255.455ms [ - ] SqueezeNetV1.0.mnn max = 151.955ms min = 95.348ms avg = 101.986ms [ - ] MobileNetV2_224.mnn max = 94.336ms min = 50.987ms avg = 58.299ms [ - ] inception-v3.mnn max = 763.095ms min = 690.005ms avg = 698.674ms [ - ] resnet-v2-50.mnn max = 453.710ms min = 389.649ms avg = 396.409ms [ - ] mobilenet-v1-1.0.mnn max = 128.781ms min = 77.023ms avg = 83.134ms MNN benchmark Forward type: **Vulkan** Warming up... --------> Benchmarking... loop = 10 [ - ] vgg16.mnn max = 783.093ms min = 730.928ms avg = 736.894ms [ - ] SqueezeNetV1.0.mnn max = 96.435ms min = 61.809ms avg = 65.574ms [ - ] MobileNetV2_224.mnn max = 71.107ms min = 43.912ms avg = 46.925ms [ - ] inception-v3.mnn max = 436.363ms min = 386.338ms avg = 391.818ms [ - ] resnet-v2-50.mnn max = 303.728ms min = 262.706ms avg = 267.613ms [ - ] mobilenet-v1-1.0.mnn max = 89.119ms min = 56.216ms avg = 59.725ms
开源地址:
https://github.com/alibaba/MNN
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python带我起飞
李金洪 / 电子工业出版社 / 2018-6 / 79
《Python带我起飞——入门、进阶、商业实战》针对Python 3.5 以上版本,采用“理论+实践”的形式编写,通过大量的实例(共42 个),全面而深入地讲解“Python 基础语法”和“Python 项目应用”两方面内容。书中的实例具有很强的实用性,如对医疗影像数据进行分析、制作爬虫获取股票信息、自动化实例、从一组看似混乱的数据中找出规律、制作人脸识别系统等。 《Python带我起飞——......一起来看看 《Python带我起飞》 这本书的介绍吧!