截止2018年，主流移动端框架总结：
腾讯：ncnn与featurecnn对比，前者开源早，代码、文档完善；后者测试速度略微快一点
小米MACE：刚开源，可能会碰到很多问题
百度MDL：速度比ncnn慢
安卓 cpu类型：ARM，x86
ios cpu类型：ARM
1、 tensorflowLite
文档：https://tensorflow.google.cn/lite/
2、ncnn（腾讯）
如下是ncnn开源项目负责人nihui的采访：https://juejin.im/entry/599a5e136fb9a024a40430bb
a) 无任何第三方库
b) 纯c++实现，跨平台
c) 汇编级优化，计算速度极快 使用ARM NEON 指令实现卷积层，全连接层，池化层等大部分cnn关键层
d) 支持多核并行运算
e) 可扩展的模型设计，支持 8bit 量化和半精度浮点存储
f) 支持直接内存引用加载网络模型
g) 可注册自定义层实现并扩展
项目地址：https://github.com/Tencent/ncnn
3、MACE(Mobile AI Compute Engine ) 小米的开源框架
说明文档：https://mace.readthedocs.io/en/latest/
项目地址：https://github.com/xiaomi/mace
mdl、ncnn和tflite的对比：
相同点：
a. 只含推理（inference）功能，使用的模型文件需要通过离线的方式训练得到。
b. 最终生成的库尺寸较小，均小于500kB。
c. 为了提升执行速度，都使用了ARM NEON指令进行加速。
d. 跨平台，iOS和Android系统都支持。
不同点：
a. MDL和NCNN均是只支持Caffe框架生成的模型文件，而TfLite则只支持自家大哥TensorFlow框架生成的模型文件。
b. MDL支持利用iOS系统的Matal框架进行GPU加速，能够显著提升在iPhone上的运行速度，达到准实时的效果。而NCNN和TFLite还没有这个功能
4、paddle-mobile (百度)（老版称MDL）