【教程】三分钟学习NCNN算法移植

本文是基于EASY EAI Nano移植NCNN部署库的方法与NCNN成功运行yolov4的Demo。所做的教程

NCNN是什么？

NCNN是“腾讯优图实验室”首个开源项目，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。并在2017年7月正式开源。NCNN作为腾讯优图最“火”的开源项目之一，在设计之初便将手机端的特殊场景融入核心理念，是业界首个为移动端优化的开源神经网络推断库。能实现无第三方依赖，跨平台操作，在手机端CPU运算速度在开源框架中处于领先水平。基于该平台，开发者能够轻松将深度学习算法移植到手机端，输出高效的执行，进而产出人工智能APP，将AI技术带到用户指尖。

-Ncnn功能概述

l  支持卷积神经网络，支持多输入和多分支结构，可计算部分分支

l  无任何第三方库依赖，不依赖 BLAS/NNPACK 等计算框架

l  纯 C++ 实现，跨平台，支持 android ios 等

l  ARM NEON 汇编级良心优化，计算速度极快

l  精细的内存管理和数据结构设计，内存占用极低

l  支持多核并行计算加速，ARM big.LITTLE cpu 调度优化

l  支持基于全新低消耗的 vulkan api GPU 加速

l  可扩展的模型设计，支持 8bit 量化 和半精度浮点存储，可导入caffe/pytorch/mxnet/onnx/darknet/keras/tensorflow(mlir) 模型

l  支持直接内存零拷贝引用加载网络模型

l  可注册自定义层实现并扩展

*目前ncnn已经开源，更多详情可以参考官方Github：https://github.com/Tencent/ncnn

NCNN目前应用在许多图像分类、风格迁移、目标检测、人脸检测案例中，并已被多款APP使用。下面正式进入到NCNN算法移植学习吧~

1. 源码包下载与编译

1.1 源码下载放置到ubuntu

NCNN相关源码可通过我们的百度网盘进行下载(已配置好编译脚本)，下载链接为:

链接：https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g  提取码：dfji 。

下载ncnn-master.tar.bz2源码包并移植到虚拟机里面,执行以下指令解压源码包：

1. $ tar xvf ncnn-master.tar.bz2

复制代码

即可得到如下所示:

1.2 NCNN编译

执行以下指令编译：

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

复制代码

编译完成如下图所示:

NCNN库编译完成，生成如下图所示:

2. Yolov4基于NCNN运行


2.1  例程下载放置到ubuntu

Yolov4基于NCNN运行相关运行Demo可以通过我们的百度网盘进行下载(已配置好编译脚本)，下载链接为:

链接：https://pan.baidu.com/s/1x_27sNJbjCujJZozBajq4g  提取码：dfji 。

下载test_demo.tar.bz2源码包并移植到虚拟机里面,执行以下指令解压源码包：

2.2 编译例程

执行以下指令编译例程：

1. $ cd test_demo/
   
2. $ ./build.sh
   

复制代码

编译成功后结果如下所示:

2.3  在EASY EAI Nano执行例程

在ubuntu推送可执行程序文件到板卡的/userdata目录：

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

复制代码

在EASY EAI Nano板卡执行程序:

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

复制代码

执行结果如下图所示:

在ubuntu执行以下指令获取识别成功的图片:

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

复制代码

最后查看实际的效果图，到这一步就完成啦！

       后续更多教程可关注我们的公众号哦，不定时更新各种新品及活动

       Easy eai nano板子可前往灵眸淘宝官方购买，订阅店铺实时关注各种优惠！

       关于EASY EAINANO更多详细请前往官网了解