前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >在AvaotaA1全志T527开发板上部署ncnn

在AvaotaA1全志T527开发板上部署ncnn

作者头像
阿志小管家
发布2024-07-26 13:27:08
310
发布2024-07-26 13:27:08
举报
文章被收录于专栏:全志嵌入式那些事

ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。 ncnn 从设计之初深刻考虑手机端的部署和使用。 无第三方依赖,跨平台,手机端 cpu 的速度快于目前所有已知的开源框架。 基于 ncnn,开发者能够将深度学习算法轻松移植到手机端高效执行, 开发出人工智能 APP,将 AI 带到你的指尖。

ncnn 源码下载

代码语言:javascript
复制
git clone --recursive --depth 1  https://github.com/Tencent/ncnn.git

ncnn 编译

代码语言:javascript
复制
cd ncnn
mkdir build
cd build
cmake ..

开始编译

代码语言:javascript
复制
make -j6

编译完成后,会提示编译已完成

测试 ncnn

将测试使用的 benchncnn 复制到 ncnn/benchmark 文件夹内,直接运行测试

测试结果如下:

代码语言:javascript
复制
avaota@avaota-a1:~/ncnn/benchmark$ ./benchncnn
loop_count = 4
num_threads = 4
powersave = 2
gpu_device = -1
cooling_down = 1
          squeezenet  min =   16.49  max =   17.01  avg =   16.64
     squeezenet_int8  min =   18.11  max =   18.26  avg =   18.17
           mobilenet  min =   22.10  max =   22.19  avg =   22.16
      mobilenet_int8  min =   19.75  max =   19.96  avg =   19.81
        mobilenet_v2  min =   21.52  max =   22.08  avg =   21.80
        mobilenet_v3  min =   17.27  max =   17.48  avg =   17.40
          shufflenet  min =   12.48  max =   12.58  avg =   12.54
       shufflenet_v2  min =   11.47  max =   11.81  avg =   11.58
             mnasnet  min =   17.57  max =   17.63  avg =   17.60
     proxylessnasnet  min =   23.15  max =   23.51  avg =   23.34
     efficientnet_b0  min =   28.56  max =   28.88  avg =   28.68
   efficientnetv2_b0  min =   33.63  max =   34.17  avg =   33.82
        regnety_400m  min =   28.87  max =   29.00  avg =   28.93
           blazeface  min =    4.11  max =    4.15  avg =    4.13
           googlenet  min =   60.61  max =   61.63  avg =   61.10
      googlenet_int8  min =   59.67  max =   60.04  avg =   59.89
            resnet18  min =   46.53  max =   47.01  avg =   46.74
       resnet18_int8  min =   43.07  max =   43.77  avg =   43.53
             alexnet  min =   46.74  max =   48.82  avg =   48.18
               vgg16  min =  286.38  max =  292.93  avg =  289.49
          vgg16_int8  min =  313.20  max =  315.49  avg =  314.35
            resnet50  min =  105.36  max =  105.80  avg =  105.61
       resnet50_int8  min =  101.69  max =  102.31  avg =  101.99
      squeezenet_ssd  min =   59.38  max =   61.03  avg =   60.00
 squeezenet_ssd_int8  min =   56.39  max =   56.64  avg =   56.53
       mobilenet_ssd  min =   51.75  max =   52.23  avg =   51.94
  mobilenet_ssd_int8  min =   45.05  max =   45.67  avg =   45.37
      mobilenet_yolo  min =  119.79  max =  121.57  avg =  120.77
  mobilenetv2_yolov3  min =   80.17  max =   80.41  avg =   80.30
         yolov4-tiny  min =  110.66  max =  111.11  avg =  110.83
           nanodet_m  min =   33.79  max =   34.17  avg =   33.93
    yolo-fastest-1.1  min =   16.08  max =   16.24  avg =   16.17
      yolo-fastestv2  min =   14.55  max =   14.67  avg =   14.59
  vision_transformer  min = 2020.00  max = 2025.81  avg = 2022.37
          FastestDet  min =   13.77  max =   14.05  avg =   13.89
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-07-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • ncnn 源码下载
  • ncnn 编译
  • 测试 ncnn
相关产品与服务
腾讯云服务器利旧
云服务器(Cloud Virtual Machine,CVM)提供安全可靠的弹性计算服务。 您可以实时扩展或缩减计算资源,适应变化的业务需求,并只需按实际使用的资源计费。使用 CVM 可以极大降低您的软硬件采购成本,简化 IT 运维工作。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档