armnn常用接口

參考鏈接:
https://www.arm.com/solutions/artificial-intelligence
https://developer.arm.com/ip-products/processors/machine-learning/arm-nn
https://github.com/Arm-software/armnn
http://www.elecfans.com/d/643409.html

armnn是arm公司推出的一項(xiàng)開(kāi)源軟件超陆,可在基于arm的高性能平臺(tái)上完成機(jī)器學(xué)習(xí)應(yīng)用程序的構(gòu)建和運(yùn)行

armnn橋接了底層硬件和深度學(xué)習(xí)框架(tf, tf_lite, caffe, 等)锤悄,可以在編程過(guò)程中選擇用到的后臺(tái)計(jì)算硬件(包括CPU褂策,mali GPU或者arm的專(zhuān)用NPU)這樣我們能夠很方便地在嵌入式平臺(tái)上搭建訓(xùn)練好的深度學(xué)習(xí)模型么翰,并配合opencv或者其他開(kāi)源框架構(gòu)建完整的人工智能應(yīng)用董瞻。

本文將大致總結(jié)一下用armnn來(lái)運(yùn)行一個(gè)神經(jīng)網(wǎng)絡(luò)需要的步驟
需要包含的頭文件

#include "armnn/ArmNN.hpp"
#include "armnn/Exceptions.hpp"
#include "armnn/Tensor.hpp"
#include "armnn/INetwork.hpp"
#include "armnnTfParser/ITfParser.hpp"

armnn運(yùn)行一個(gè)神經(jīng)網(wǎng)絡(luò)的過(guò)程主要包括如下步驟:

  1. 讀取模型捏境,創(chuàng)建網(wǎng)絡(luò)
armnnTfParser::ITfParserPtr parser = armnnTfParser::ITfParser::Create();
armnn::INetworkPtr network = parser->CreateNetworkFromBinaryFile(輸入數(shù)據(jù)(指針),{{input_tensor_name, 輸入tensor的size}},{output_tensor_name});

armnnTfParser::BindingPointInfo inputBindingInfo = parser->GetNetworkInputBindingInfo(input_tensor_name);
armnnTfParser::BindingPointInfo outputBindingInfo = parser->GetNetworkOutputBindingInfo(output_tensor_name);
  1. 配置運(yùn)行參數(shù),其中可以指定用到的后臺(tái)窖壕,包括CPU忧勿,GPU。其中使用GPU能夠明顯提升神經(jīng)網(wǎng)絡(luò)運(yùn)行速度瞻讽,在RK3399平臺(tái)上鸳吸,對(duì)于一個(gè)基于resnet-18的語(yǔ)義分割網(wǎng)絡(luò)(兩個(gè)resnet-18正向反向相接,pb格式的模型大小約為90MB)速勇,使用GpuAcc選項(xiàng)運(yùn)行時(shí)間大概在1.2s左右层释,使用CpuRef選項(xiàng)用時(shí)接近200s,而直接使用tensorflow for aarch64的python接口,運(yùn)行時(shí)間在4s左右(可能是編譯好的tensorflow for aarch64中使用了一些加速方法)快集。不過(guò)使用GPU存在的一個(gè)問(wèn)題就是IO時(shí)間要比使用CPU長(zhǎng)很多,如果跑一些小網(wǎng)絡(luò)(比如lenet-5,使用CPU循環(huán)執(zhí)行500000次用時(shí)16s廉白,用GPU循環(huán)執(zhí)行5000次同樣用時(shí)16s)使用CPU來(lái)完成會(huì)更好个初。
armnn::IRuntime::CreationOptions options;
armnn::IRuntimePtr runtime = armnn::IRuntime::Create(options);
options.m_EnableGpuProfiling = false;
options.m_GpuAccTunedParameters = armnn::IGpuAccTunedParameters::Create(armnn::IGpuAccTunedParameters::Mode::UseTunedParameters);
armnn::IOptimizedNetworkPtr optNet = armnn::Optimize(*network, {armnn::Compute::GpuAcc}, runtime->GetDeviceSpec());

armnn::NetworkId networkIdentifier;
runtime->LoadNetwork(networkIdentifier, std::move(optNet));
  1. 讀入數(shù)據(jù)并運(yùn)行模型
armnn::Status ret = runtime->EnqueueWorkload(networkIdentifier,MakeInputTensors(inputBindingInfo, &arr_256[0]),MakeOutputTensors(outputBindingInfo, &output[0]));

其中函數(shù) makeInputTensor 和 makeOutputTensor定義如下:

armnn::InputTensors MakeInputTensors(const std::pair<armnn::LayerBindingId,armnn::TensorInfo> &input, const void *inputTensorData)
{
    return {{input.first, armnn::ConstTensor(input.second, inputTensorData)}};
}

// Helper function to make output tensors
armnn::OutputTensors MakeOutputTensors(const std::pair<armnn::LayerBindingId, armnn::TensorInfo> &output, void *outputTensorData)
{
    return {{output.first, armnn::Tensor(output.second, outputTensorData)}};
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市猴蹂,隨后出現(xiàn)的幾起案子院溺,更是在濱河造成了極大的恐慌,老刑警劉巖磅轻,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件珍逸,死亡現(xiàn)場(chǎng)離奇詭異逐虚,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)谆膳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)叭爱,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人漱病,你說(shuō)我怎么就攤上這事买雾。” “怎么了杨帽?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵漓穿,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我注盈,道長(zhǎng)晃危,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任老客,我火速辦了婚禮僚饭,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘沿量。我一直安慰自己浪慌,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布朴则。 她就那樣靜靜地躺著权纤,像睡著了一般。 火紅的嫁衣襯著肌膚如雪乌妒。 梳的紋絲不亂的頭發(fā)上汹想,一...
    開(kāi)封第一講書(shū)人閱讀 49,816評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音撤蚊,去河邊找鬼古掏。 笑死,一個(gè)胖子當(dāng)著我的面吹牛侦啸,可吹牛的內(nèi)容都是我干的槽唾。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼光涂,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼庞萍!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起忘闻,我...
    開(kāi)封第一講書(shū)人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤钝计,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體私恬,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡债沮,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了本鸣。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片疫衩。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖永高,靈堂內(nèi)的尸體忽然破棺而出隧土,到底是詐尸還是另有隱情,我是刑警寧澤命爬,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布曹傀,位于F島的核電站,受9級(jí)特大地震影響饲宛,放射性物質(zhì)發(fā)生泄漏皆愉。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一艇抠、第九天 我趴在偏房一處隱蔽的房頂上張望幕庐。 院中可真熱鬧,春花似錦家淤、人聲如沸异剥。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)冤寿。三九已至,卻和暖如春青伤,著一層夾襖步出監(jiān)牢的瞬間督怜,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工狠角, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留号杠,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓丰歌,卻偏偏與公主長(zhǎng)得像姨蟋,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子立帖,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容