前言

本文是基于EASY EAI Nano移植NCNN部署庫的方法與NCNN成功運行yolov4的Demo所做的教程。

關于NCNN

NCNN是“騰訊優(yōu)圖實驗室”首個開源項目，是一個為手機端極致優(yōu)化的高性能神經網絡前向計算框架。并在2017年7月正式開源。NCNN作為騰訊優(yōu)圖最“火”的開源項目之一，在設計之初便將手機端的特殊場景融入核心理念，是業(yè)界首個為移動端優(yōu)化的開源神經網絡推斷庫。能實現(xiàn)無第三方依賴，跨平臺操作，在手機端CPU運算速度在開源框架中處于領先水平?；谠撈脚_，開發(fā)者能夠輕松將深度學習算法移植到手機端，輸出高效的執(zhí)行，進而產出人工智能APP，將AI技術帶到用戶指尖。

NCNN功能概述

- 支持卷積神經網絡，支持多輸入和多分支結構，可計算部分分支。

- 無任何第三方庫依賴，不依賴 BLAS/NNPACK 等計算框架。

- 純 C++ 實現(xiàn)，跨平臺，支持 android ios 等。

- ARM NEON 匯編級良心優(yōu)化，計算速度極快。

- 精細的內存管理和數(shù)據(jù)結構設計，內存占用極低。

-支持多核并行計算加速，ARM big.LITTLE cpu 調度優(yōu)化。

-支持基于全新低消耗的 vulkan api GPU 加速。

-可擴展的模型設計，支持 8bit 量化 和半精度浮點存儲，可導入caffe/pytorch/mxnet/onnx/darknet/keras/tensorflow(mlir) 模型。

-支持直接內存零拷貝引用加載網絡模型。

- 可注冊自定義層實現(xiàn)并擴展。

*更多詳情參考官方Github：https://github.com/Tencent/ncnn

NCNN目前應用在圖像分類、風格遷移、目標檢測、人臉檢測等案例中，并已被多款APP使用。下面正式進入到NCNN算法移植學習吧。

一、源碼包下載與編譯

1. 源碼下載放置到ubuntu

NCNN相關源碼可通過我們的百度網盤進行下載(已配置好編譯腳本)，下載鏈接為:

https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g 提取碼：dfji

下載ncnn-master.tar.bz2源碼包并移植到虛擬機里面,執(zhí)行以下指令解壓源碼包：

$ tar xvf ncnn-master.tar.bz2

即可得到如下所示:

2. NCNN編譯

執(zhí)行以下指令編譯：

$ cd ncnn-master/ $ ./build-easyeai-nano.sh

編譯完成如下圖所示:

NCNN庫編譯完成，生成如下圖所示:

二、Yolov4基于NCNN運

1. 例程下載放置到ubuntu

Yolov4基于NCNN運行相關運行Demo可以通過我們的百度網盤進行下載(已配置好編譯腳本)，下載鏈接為:

https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g 提取碼：dfji

下載test_demo.tar.bz2源碼包并移植到虛擬機里面,執(zhí)行以下指令解壓源碼包：

$ tar xvf test_demo.tar.bz2

得到如下圖所示:

2. 編譯例程

執(zhí)行以下指令編譯例程：

$ cd test_demo/ $ ./build.sh

編譯成功后結果如下所示：

3. 在EASY EAI Nano執(zhí)行例程

在ubuntu推送可執(zhí)行程序文件到板卡的/userdata目錄：

$ adb push test-ncnn-demo-release/ /userdata

在EASY EAI Nano板卡執(zhí)行程序:

# cd /userdata/test-ncnn-demo-release/ # ./test-ncnn-demo test_img/test1.jpg

執(zhí)行結果如下圖所示:

在ubuntu執(zhí)行以下指令獲取識別成功的圖片:

$ adb pull /userdata/test-ncnn-demo-release/result.jpg .

最后查看實際的效果圖，到這一步就完成啦！

后續(xù)更多教程可關注我們的哦，不定時更新各種新品及活動

關于EASY EAI NANO更多詳細請前往官網了解

EASY EAI靈眸科技