1新智元編譯

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

在開源PaddlePaddle深度學習框架的一年后，百度再次將另一AI技術投入公共領域——一個旨在將AI放到智能手機上的項目。

25日，百度在GitHub開源了其移動端深度學習框架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是一個基于卷積的神經網絡，設計來適用于移動設備。百度表示，它適用于使用智能手機的相機功能識別圖片中的對象等應用程序。

MDL神經網絡的計算部署在手機GPU，具有高速和低復雜性的特征。它可以運行在iOS或Android上，但項目的文檔相比Google更傾向于Apple，支持iOS GPU計算，但Android GPU實現和TensorFlow模型轉MDL尚未釋放。

開源代碼約4 MB，沒有第三方庫依賴（神經網絡模型之外）。開發(fā)人員推薦使用該公司的PaddlePaddle模型轉MDL，但也可以使用Caffe模型。

下面的截圖顯示，MDL可以在不到半秒內識別出圖中的手機。

另一個MDL demo是識別圖中的瓷杯，并將其用于尋找同款商品。

百度Mobile Deep Learning (MDL)

以下內容來自GitHub：https://github.com/baidu/mobile-deep-learning

百度研發(fā)的移動端深度學習框架，致力于讓卷積神經網絡極度簡單的部署在手機端。目前正在手機百度內運行。支持iOS gpu計算。體積小，速度快。

• 體積 armv7 340k+

• 速度 iOS GPU mobilenet 可以達到 40ms、squeezenet 可以達到 30ms

先睹為快

如果你想先運行demo試試效果?；蛘吣銉H僅是想快速用起來，而不關心CNN細節(jié)實現。開源庫提供編譯好的安裝文件, 直接下載安裝即可。

特征

• 一鍵部署，腳本參數就可以切換ios或者android

• 支持iOS gpu運行MobileNet、squeezenet模型

• 已經測試過可以穩(wěn)定運行MobileNet、GoogLeNet v1、squeezenet模型

• 體積極小，無任何第三方依賴。純手工打造。

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

• 與ARM相關算法團隊線上線下多次溝通，針對ARM平臺會持續(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，針對寄存器匯編操作具體優(yōu)化

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

• 將大量繁重的計算任務前置到overhead過程

MDL使用的是寬松的MIT開源協議。

demo源碼實現請閱讀GitHub頁面。

點擊閱讀原文可查看職位詳情，期待你的加入~