1. 起因
昨天看到小米开源了深度学习框架MACE（https://github.com/XiaoMi/mace）
看到它有几个特点：异构加速、汇编级优化、支持各种框架的模型转换。
整体来看，料很足，特别是异构的支持，非常有诚意。
有了异构，就可以在CPU、GPU和DSP上跑不同的模型，实现真正的生产部署，比如人脸检测、人脸识别和人脸跟踪，可以同时跑在不同的硬件上。小米支持的GPU不限于高通，这点很通用，很好，比如瑞芯微的RK3299就可以同时发挥出cpu和GPU的好处来。
看到知乎上也有讨论：如何评价小米开源AI框架MACE？
贴张图
2. 说说其它几款移动端深度学习框架
既然是移动端的框架，基本不支持训练，只支持前向推理。
2.1 SNPE
这是骁龙的官方SDK，不开源。主要支持自家的DSP、GPU和CPU。
由于对DSP的支持，使得骁龙在没有NPU的情况下没有被华为甩太远。而且只要后续DSP够强，甩开NPU也未可知。
2.2 腾讯的FeatherCNN和ncnn
这两个框架都是腾讯出的，FeatherCNN来自腾讯AI平台部，ncnn来自腾讯优图。
重点是：都开源，都只支持cpu
ncnn开源早点，性能上有微弱优势（当前是201806），用的人多点。FeatherCNN开源晚，底子很好。
github: FeatherCNN, ncnn
知乎讨论：
如何评价腾讯开源高性能神经网络计算库 FeatherCNN？
ncnn与tensorflow lite相比有什么特有什么特点？
2.3 百度的mobile-deep-learning(MDL)
我不是很了解，主要从知乎和github上了解的。
看样子是支持cpu和gpu的，没看到DSP。
开源地址：https://github.com/baidu/mobile-deep-learning
知乎讨论（如何评价百度刚刚开源的mobile-deep-learning？）上，有人说它有很重的抄袭caffe的痕迹。
2.4 其它
在移动端，caffe、tensorflow lite都可以考虑，只是可能没有上门的框架效率高。
另外据说支付宝有xNN的深度框架，商汤有PPL框架，这两个都是企业自用没有开源，听听就好。
国内杭州九言科技的开源方案（github），用的人不多，可以参考。
3. 总结
上面的大部分框架都是主要面向android的，但是用于arm-Linux也是可以的。
现在越来越多的厂商开源移动端的深度学习框架，对于从业者是好事，有更多的选择，不用从头造轮子。
我个人比较欣赏ncnn和小米的MACE，比较欣赏其异构加速能力，只是MACE刚开源，可能还有不少坑。
相信将来会有更多的技术手段用于移动端部署深度学习网络，包括模型压缩、异构加速、汇编优化等。
---------------------
作者：yuanlulu
来源：CSDN
原文：https://blog.csdn.net/yuanlulu/article/details/80857211?utm_source=copy
版权声明：本文为博主原创文章，转载请附上博文链接！