NCNN能实现无第三方依赖,跨平台,在手机端cpu运算速率在开源框架中更是处于领先水平。
基于该平台,开拓者能够轻松将深度学习算法移植得手机端,输出高效的实行,进而产出人工智能APP,将AI技能带到用户指尖。
目前多运用在图像方面,例如人像自动美颜,照片风格化,超分辨率,物体识别等等。

现在的很多手机真个App都是基于 NCNN的,借助于NCNN,开拓者能够将深度学习算法轻松移植得手机端高效实行,开拓出人工智能 APP。

这里献上一张NCNN 项目组的nihui 大神的照片哈哈,让大家对付NCNN 先有个感性的认识:

下面我考试测验在安卓手机环境中实现对NCNN项目的编译, 这里没有安卓运用的外壳, 为其他项目进一步利用NCNN作准备。

学点AI常识安卓手机上编译运行腾讯的NCNN库

一、环境准备

整体架构如下:

命令:

pkg install proot-distropd list

然后如果没有安装Ubuntu,就选择安装, 如果已经安装过了,就略过这一步:

proot-distro install ubuntu

安装vulkan

目前, NCNN已经支持通过Vulkan API支持全部主流PC和手机GPU加速,因此,这里先安装Vulkan:

apt install vulkan-tools

结果:

下面安装vulkan-headers

apt install vulkan-headers

安装不堪利,命令行里面的结果,推举利用libvulkan-dev

apt install libvulkan-dev

顺利安装完成:

二、下载

从Github 下载NCNN:

git clone https://github.com/Tencent/ncnn.gitcd ncnngit submodule update --init

把稳,这里利用了Git 的submodule, 因此也须要下载子模块

三、编译

创建并进入build目录, 然后利用cmake设定参数

mkdir -p buildcd buildcmake -DCMAKE_BUILD_TYPE=Release -DNCNN_BUILD_EXAMPLES=ON -DNCNN_PLATFORM_API=OFF -DNCNN_SIMPLEOCV=ON ..

编译:

make -j$(nproc)make install

四、运行大略的例子

运行一个大略的图片分类的例子, 前辈入build的上一层目录examples, 然后运行下面的命令:

cd ../examples../build/examples/squeezenet ../images/128-ncnn.png

结果:

这个例子实在仅仅是验证, 这里编译的ncnn的产品,都是为了其他的项目而利用的。

如果想完全查看这个squeezenet的例子,须要到Nihui大神的这个项目:https://github.com/nihui/ncnn-android-squeezenet

直接下载apk:https://github.com/nihui/ncnn-android-squeezenet/releases

这里是我在红米K70 Pro上面的效果:

#大模型##腾讯##神经网络##让AI触手可及##头条创作寻衅赛##AI技能##让AI触手可及##AI智能#