网页粒子效果网站,手机网站建设报价多少,wordpress onetone,wp网站建设模板简介
Tengine 是 OPEN AI LAB 推出的边缘 AI 计算框架#xff0c;致力于解决 AIoT 产业链碎片化问题#xff0c;加速 AI 产业化落地。Tengine 为了解决 AIoT 应用落地问题#xff0c;重点关注嵌入式设备上的边缘 AI 计算推理#xff0c;为海量 AIoT 应用和设备提供高性…简介
Tengine 是 OPEN AI LAB 推出的边缘 AI 计算框架致力于解决 AIoT 产业链碎片化问题加速 AI 产业化落地。Tengine 为了解决 AIoT 应用落地问题重点关注嵌入式设备上的边缘 AI 计算推理为海量 AIoT 应用和设备提供高性能 AI 推理的技术赋能。
一方面Tengine通过异构计算技术同时调用 CPU、GPU、DSP、NPU 等不同计算单元来完成 AI 网络计算另一方面它支持 TensorFlow、Caffe、MXNet、PyTorch、MegEngine、DarkNet、ONNX、ncnn 等业内主流框架简化并加速面向场景的 AI 算法在嵌入式边缘设备上快速迁移以及实际应用部署落地提升十倍基础开发的效率。
Tengine 向下几乎兼容所有主流国产 AI 芯片向上则支撑所有主流训练框架及网络模型包括 TensorFlow、PyTorch、Caffe、PaddlePaddle等。是国际上为数不多的通过 ONNX 官方认证的战略合作伙伴之一。在 CSDN 发布的《中国 AI 应用开发者报告》上被评为“开发者最喜爱的本土 AI 框架工具”。
Tengine 与 OpenCV 合作共同加速边缘智能成为 OpenCV 的全球合作伙伴。Tengine 还与老牌跨平台计算机视觉库 OpenCV 进一步深入合作共同加速边缘智能成为其全球合作伙伴。
Tengine 示例使用说明见https://github.com/OAID/Tengine
下载
【威力加强包】Tengine D1-H哪吒开发板Demo全志在线开发者社区 - 资源下载
版本文件目录说明
$ tree ./sample
sample/
├── README.md
└── console├── CMakeLists.txt├── apps│ ├── CMakeLists.txt│ ├── common│ │ ├── common.h│ │ ├── compiler_fp16.h│ │ ├── msc_getopt.h│ │ ├── stb_image.h│ │ ├── stb_image_write.h│ │ ├── tengine_operations.c│ │ └── tengine_operations.h│ ├── test_classification.cpp│ └── test_yolofastest.cpp├── cmake│ ├── check.cmake│ └── summary.cmake├── data│ ├── cat.jpg│ ├── mobilenet_v1.tmfile│ ├── squeezenet.tmfile│ ├── ssd_dog.jpg│ └── yolo-fastest-1.1.tmfile├── tengine│ └── linux-rv64│ ├── include│ │ └── tengine│ │ └── c_api.h│ └── lib│ ├── libtengine-lite-static.a│ └── libtengine-lite.so└── toolchains└── rv64-c906.toolchain.cmake运行示例
交叉工具链准备
依赖的交叉工具链压缩包
riscv64-glibc-gcc-thead_20200702.tar.gzgcc 版本信息
$ riscv64-unknown-linux-gnu-gcc -v
Using built-in specs.
COLLECT_GCCriscv64-unknown-linux-gnu-gcc
COLLECT_LTO_WRAPPER/mnt/d/ubuntu/riscv64-glibc-gcc-thead_20200702/bin/../libexec/gcc/riscv64-unknown-linux-gnu/8.1.0/lto-wrapper
Target: riscv64-unknown-linux-gnu
Configured with: /ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/build/../source/riscv/riscv-gcc/configure --targetriscv64-unknown-linux-gnu --with-mpc/ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/lib-for-gcc-x86_64-linux/ --with-mpfr/ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/lib-for-gcc-x86_64-linux/ --with-gmp/ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/lib-for-gcc-x86_64-linux/ --prefix/ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/install --with-sysroot/ldhome/software/toolsbuild/slave/workspace/riscv64_build_linux_x86_64/install/sysroot --with-system-zlib --enable-shared --enable-tls --enable-languagesc,c,fortran --disable-libmudflap --disable-libssp --disable-libquadmath --disable-nls --disable-bootstrap --src../../source/riscv/riscv-gcc --enable-checkingyes --with-pkgversionC-SKY RISCV Tools V1.8.4 B20200702 --enable-multilib --with-abilp64d --with-archrv64gcxthead CFLAGS_FOR_TARGET-O2 -mcmodelmedany CXXFLAGS_FOR_TARGET-O2 -mcmodelmedany CCgcc CXXg
Thread model: posix
gcc version 8.1.0 (C-SKY RISCV Tools V1.8.4 B20200702)示例编译
$ cd sample/console
$ mkdir build cd build
$ cmake ..
$ make -j4$ export LD_LIBRARY_PATHproject root/tengine/linux-rv64/lib/示例运行
$ ./apps/test_classification -m your/sample/path/tengine/squeezenet.tmfile -i your/sample/path/tengine/data/cat.jpg$ ./apps/test_yolofastest -m your/sample/path/tengine/data/yolo-fastest-1.1.tmfile -i your/sample/path/tengine/data/ssd_dog.jpg注意事项
模型支持限制
本次发布是 Allwinner D1-H 技术预览版 建议运行较小模型例如 MobileNet v1、MobileNet v2、 ResNet18、SqueezeNet v1.1、YOLO-Fastest。
矢量计算支持
Allwinner D1-H 开发板预装的系统不支持 RSIC-V 的指令集代码运行需要将工具链 sysroot/lib64vxthread 中的库文件拷贝到 D1-H 根目录下。
