摘要：是一個(gè)專(zhuān)為移動(dòng)端異構(gòu)計(jì)算平臺(tái)優(yōu)化的神經(jīng)網(wǎng)絡(luò)計(jì)算框架。地址文檔鏈接打開(kāi)在線(xiàn)文檔網(wǎng)頁(yè)，引入眼簾的是這里簡(jiǎn)單介紹一下中的內(nèi)容移動(dòng)計(jì)算引擎是一種針對(duì)移動(dòng)異構(gòu)計(jì)算平臺(tái)優(yōu)化的深度學(xué)習(xí)推理框架。

Mobile AI Compute Engine (MACE) 是一個(gè)專(zhuān)為移動(dòng)端異構(gòu)計(jì)算平臺(tái)優(yōu)化的神經(jīng)網(wǎng)絡(luò)計(jì)算框架。主要從以下的角度做了專(zhuān)門(mén)的優(yōu)化：

性能

代碼經(jīng)過(guò)NEON指令，OpenCL以及Hexagon HVX專(zhuān)門(mén)優(yōu)化，并且采用 Winograd算法來(lái)進(jìn)行卷積操作的加速。 此外，還對(duì)啟動(dòng)速度進(jìn)行了專(zhuān)門(mén)的優(yōu)化。

功耗

支持芯片的功耗管理，例如ARM的big.LITTLE調(diào)度，以及高通Adreno GPU功耗選項(xiàng)。

系統(tǒng)響應(yīng)

支持自動(dòng)拆解長(zhǎng)時(shí)間的OpenCL計(jì)算任務(wù)，來(lái)保證UI渲染任務(wù)能夠做到較好的搶占調(diào)度， 從而保證系統(tǒng)UI的相應(yīng)和用戶(hù)體驗(yàn)。

內(nèi)存占用

通過(guò)運(yùn)用內(nèi)存依賴(lài)分析技術(shù)，以及內(nèi)存復(fù)用，減少內(nèi)存的占用。另外，保持盡量少的外部 依賴(lài)，保證代碼尺寸精簡(jiǎn)。

模型加密與保護(hù)

模型保護(hù)是重要設(shè)計(jì)目標(biāo)之一。支持將模型轉(zhuǎn)換成C++代碼，以及關(guān)鍵常量字符混淆，增加逆向的難度。

硬件支持范圍

支持高通，聯(lián)發(fā)科，以及松果等系列芯片的CPU，GPU與DSP(目前僅支持Hexagon)計(jì)算加速。 同時(shí)支持在具有POSIX接口的系統(tǒng)的CPU上運(yùn)行。

地址：https://github.com/XiaoMi/mace

MACE 文檔

鏈接: https://mace.readthedocs.io/en/latest/

打開(kāi)MACE 在線(xiàn)文檔網(wǎng)頁(yè)，引入眼簾的是：

Getting started

Development

FAQ

這里簡(jiǎn)單介紹一下Getting started中的Introduction內(nèi)容：

移動(dòng)AI計(jì)算引擎（MACE）是一種針對(duì)移動(dòng)異構(gòu)計(jì)算平臺(tái)優(yōu)化的深度學(xué)習(xí)推理框架。 下圖顯示了整體架構(gòu)。

模型格式（Model format）

MACE定義了與Caffe2類(lèi)似的自定義模型格式。MACE模型可以由TensorFlow和Caffe的導(dǎo)出模型轉(zhuǎn)換。YAML文件用于描述模型部署詳細(xì)信息。在下一章中，有詳細(xì)的指導(dǎo)說(shuō)明如何創(chuàng)建這個(gè)YAML文件。

模型轉(zhuǎn)換（Model conversion）

目前，我們?yōu)門(mén)ensorFlow和Caffe提供模型轉(zhuǎn)換器。未來(lái)將支持更多框架。

模型加載（Model loading）

MACE模型格式包含兩部分：模型圖定義和模型參數(shù)張量。圖形部分使用協(xié)議緩沖區(qū)進(jìn)行序列化。所有模型參數(shù)張量一起連接成一個(gè)連續(xù)的字節(jié)數(shù)組，我們?cè)谙旅娴亩温渲蟹Q(chēng)這個(gè)數(shù)組張量數(shù)據(jù)（array tensor data）。在模型圖中，記錄張量數(shù)據(jù)偏移和長(zhǎng)度。

模型可以通過(guò)3種方式加載：

模型圖和張量數(shù)據(jù)都是外部動(dòng)態(tài)加載的（默認(rèn)情況下，來(lái)自文件系統(tǒng)，但用戶(hù)可以自由選擇自己的實(shí)現(xiàn)，例如，使用壓縮或加密）。這種方法提供了較大的靈活性，但卻是最薄弱的模型保護(hù)。

模型圖和張量數(shù)據(jù)都轉(zhuǎn)換為C++代碼并通過(guò)執(zhí)行編譯的代碼加載。這種方法提供了最強(qiáng)大的模型保護(hù)和最簡(jiǎn)單的部署。

模型圖轉(zhuǎn)換為C++代碼并構(gòu)造為第二種方法，張量數(shù)據(jù)作為第一種方法在外部加載。

MACE Model Zoo

隨著MACE一起開(kāi)源的還有MACE Model Zoo項(xiàng)目，目前包含了物體識(shí)別，場(chǎng)景語(yǔ)義分割，圖像風(fēng)格化等多個(gè)公開(kāi)模型。

鏈接: https://github.com/XiaoMi/mace-models

打開(kāi)上述鏈接看到下述畫(huà)面，著實(shí)蠻震撼的！這里簡(jiǎn)單介紹一下部分現(xiàn)有的model：

CNN

inception-v1-v2-v3

resnet-v2-50

vgg16

mobilenet-v1-v2（輕量級(jí)）

squeezenet（輕量級(jí)）

圖像分割

deeplab-v3-plus

MACE Demo

MACE 目前還提供了Android的示例程序，大家可以下載編譯好的APK文件進(jìn)行安裝，快速感受一下MACE的魅力。

鏈接: https://cnbj1.fds.api.xiaomi.com/mace/demo/mace_android_demo.apk

Amusi 這不馬上就下載好，測(cè)試感受一下，下面是測(cè)試結(jié)果。

Refrigerator

Laptop

Amusi 個(gè)人覺(jué)得識(shí)別率一般般，而且是只輸出Top1的結(jié)果。識(shí)別速度嘛，還可以吧，畢竟是魅族Mx6上跑CPU模式。如果換上驍龍845處理器的手機(jī)，應(yīng)該...

如何評(píng)價(jià)小米開(kāi)源的移動(dòng)端深度學(xué)習(xí)框架MACE？

小米突然開(kāi)源了自家的深度學(xué)習(xí)框架，是不是在為“上市”做準(zhǔn)備呢？

讓我們看一下知乎上大佬們?cè)趺纯创@個(gè)事件？

截止2018-06-29，只有兩個(gè)人回答了該問(wèn)題，大家的反映并不是很熱烈，也許知道這件事情的人不多吧。但 Amusi 覺(jué)得MACE的出現(xiàn)，還是一件很有意義的事情，國(guó)內(nèi)能做深度學(xué)習(xí)框架開(kāi)源的公司真不多！

（溫馨提示）國(guó)內(nèi)有自研開(kāi)源深度學(xué)習(xí)框架的公司有：

PaddlePaddle（百度）

Angel（騰訊）

Other

小米開(kāi)源MACE，這是一件很正能量的事情，工業(yè)界和學(xué)術(shù)界都應(yīng)該鼓勵(lì)和支持！就如左上角所示，有222位關(guān)注者，也說(shuō)明了大家對(duì)這件事情的期待。

鏈接: https://www.zhihu.com/question/283030623

聲明：文章收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系小編及時(shí)處理，謝謝！

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754