前言背景
近期,经过龙芯中科与NCNN社区的共同努力,在NCNN中使用龙架构(LoongArch)向量优化实现了大部分算子,得益于龙架构向量的高效实现,优化后NCNN在平台上各项性能测试比通用实现普遍提升一倍以上。
基于龙架构向量优化开启前后的NCNN各项性能对比
(竖轴为耗时高度,越高耗时越久,性能越低)
NCNN作为业界首个为移动端优化的神经网络前向计算框架,在2017年首次开源,是腾讯优图实验室第一次对外公开深度学习的研究成果。目前多应用在图像方面,例如人像自动美颜,照片风格化,超分辨率,物体识别等等。NCNN计算框架,因其高性能、无第三方依赖、跨平台支持大部分常见CNN网络的特点,是许多开发者在移动端、嵌入式设备上部署深度学习算法的首选框架。
龙架构向量优化加入NCNN生态社区
本次优化共产出3万多行代码,成果将应用于龙芯AI边缘计算场景,完成基于龙架构平台的特征识别、图像处理、人脸识别等模型的部署和推理,如门禁系统、手势识别、口罩检测等等。依托于NCNN计算框架优秀的低耦结构,开发者只需关注算子在龙架构平台上的高效实现,无需考虑整个系统结构问题,实现更高效的开发与部署工作。前期,NCNN与龙芯CPU进行了较为全面的适配和性能优化,共同打通了AI应用和国产CPU硬件间的壁垒。
可搭载NCNN框架的龙芯AI边缘计算场景
龙芯中科将与NCNN社区保持密切合作,继续根据龙架构平台向量特点不断优化算子,推进龙架构生态成果落地更多场景、服务更多领域、欢迎社区广大开发者与龙芯中科一道共建自主开放的龙架构生态体系。
审核编辑:汤梓红
-
神经网络
+关注
关注
42文章
4651浏览量
99487 -
AI
+关注
关注
87文章
27549浏览量
265179 -
龙芯中科
+关注
关注
0文章
239浏览量
7514
原文标题:龙架构向量创新赋能AI图像识别计算,促进NCNN神经网络前向计算框架性能翻倍
文章出处:【微信号:gh_53fadbdbd4d4,微信公众号:龙芯中科】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
卷积神经网络计算过程和步骤
卷积神经网络在图像识别中的应用
神经网络建模的适用范围有哪些
神经网络在图像识别中的应用
神经网络架构有哪些
基于FPGA的类脑计算平台 —PYNQ 集群的无监督图像识别类脑计算系统
基于毫米波雷达的手势识别神经网络
RISC-V SoC + AI | 在全志 D1「哪吒」开发板上,跑个 ncnn 神经网络推理框架的 demo
使用Python卷积神经网络(CNN)进行图像识别的基本步骤
图像识别卷积神经网络模型
卷积神经网络如何识别图像
卷积神经网络用于图像识别的原理
![卷积<b class='flag-5'>神经网络</b>用于<b class='flag-5'>图像识别</b>的原理](https://file1.elecfans.com/web2/M00/91/8B/wKgaomThc0SAA6WAAAAPPFMcLck273.jpg)
评论