百度开源移动端深度学习框架MDL，手机部署CNN支持iOS GPU

1新智元编译

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

在开源PaddlePaddle深度学习框架的一年后，百度再次将另一AI技术投入公共领域——一个旨在将AI放到智能手机上的项目。

25日，百度在GitHub开源了其移动端深度学习框架Mobile Deep Learning (MDL)的全部代码和脚本，并放出“先睹为快”的demo安装文件。

MDL是一个基于卷积的神经网络，设计来适用于移动设备。百度表示，它适用于使用智能手机的相机功能识别图片中的对象等应用程序。

MDL神经网络的计算部署在手机GPU，具有高速和低复杂性的特征。它可以运行在iOS或Android上，但项目的文档相比Google更倾向于Apple，支持iOS GPU计算，但Android GPU实现和TensorFlow模型转MDL尚未释放。

开源代码约4 MB，没有第三方库依赖（神经网络模型之外）。开发人员推荐使用该公司的PaddlePaddle模型转MDL，但也可以使用Caffe模型。

下面的截图显示，MDL可以在不到半秒内识别出图中的手机。

另一个MDL demo是识别图中的瓷杯，并将其用于寻找同款商品。

百度Mobile Deep Learning (MDL)

以下内容来自GitHub：https://github.com/baidu/mobile-deep-learning

百度研发的移动端深度学习框架，致力于让卷积神经网络极度简单的部署在手机端。目前正在手机百度内运行。支持iOS gpu计算。体积小，速度快。

• 体积 armv7 340k+

• 速度 iOS GPU mobilenet 可以达到 40ms、squeezenet 可以达到 30ms

先睹为快

如果你想先运行demo试试效果。或者你仅仅是想快速用起来，而不关心CNN细节实现。开源库提供编译好的安装文件, 直接下载安装即可。

特征

• 一键部署，脚本参数就可以切换ios或者android

• 支持iOS gpu运行MobileNet、squeezenet模型

• 已经测试过可以稳定运行MobileNet、GoogLeNet v1、squeezenet模型

• 体积极小，无任何第三方依赖。纯手工打造。

• 提供量化脚本，对32位float转8位uint直接支持，模型体积量化后4M上下

• 与ARM相关算法团队线上线下多次沟通，针对ARM平台会持续优化

• NEON使用涵盖了卷积、归一化、池化所有方面的操作

• 汇编优化，针对寄存器汇编操作具体优化

• loop unrolling 循环展开，为提升性能减少不必要的CPU消耗，全部展开判断操作

• 将大量繁重的计算任务前置到overhead过程

MDL使用的是宽松的MIT开源协议。

demo源码实现请阅读GitHub页面。

点击阅读原文可查看职位详情，期待你的加入~