MACE 模型库安装与使用教程

MACE 模型库安装与使用教程

mace-modelsMobile AI Compute Engine Model Zoo项目地址:https://gitcode.com/gh_mirrors/ma/mace-models

1. 项目目录结构及介绍

MACE Models 是小米公司开源的一个模型库，它包含了预训练的深度学习模型，主要用于移动端的部署。以下是项目的基本目录结构：

mace-models/
├── README.md           # 项目说明
├── models               # 存放各种预训练模型
│   ├── imagenet         # ImageNet 分类模型
│   ├── mobilenet_v1     # MobileNet V1 模型
│   ├── mobilenet_v2     # MobileNet V2 模型
│   └── ...              # 其他模型
├── scripts              # 脚本工具，用于模型转换等操作
└── workspace            # 用于运行转换和验证的环境设置
    ├── build.sh         # 构建脚本
    └── config.mk        # 构建配置文件

每个模型子目录通常包括模型的描述文件（.yml），模型权重（.bin或.pb），以及可能的测试数据。

2. 项目的启动文件介绍

在 workspace 目录下，主要的启动文件是 build.sh 和 config.mk。

build.sh

这个脚本负责编译 MACE 工具链，以将预训练的模型转换为可以在移动设备上运行的格式。执行以下命令来构建 MACE 库：

cd workspace
./build.sh -t [android|linux|ios] -a [cpu|gpu|hexagon]

这里， -t 参数指定目标平台，如 Android 或 Linux，-a 参数指定运行时架构，例如 CPU、GPU 或 Hexagon DSP。

config.mk

config.mk 文件是 Makefile 配置，你可以在这个文件中修改 C++ 编译器、优化级别等选项。例如，如果你想要改变编译的优化等级，可以找到并修改 OPT_LEVEL 变量。

3. 项目的配置文件介绍

MACE 使用 .yml 文件来配置模型转换参数。这些文件位于 models 目录下的每个模型子目录中，比如 mobilenet_v1.yml。一个典型的 .yml 文件包含以下几个关键部分：

• model：模型的基本信息，如名称、输入输出节点名。
• inputs: 模型的输入张量定义，包括形状和数据类型。
• outputs: 模型的输出张量定义。
• subgraphs: 对于复杂的模型，可以定义子图进行特定处理。
• runtime: 设置运行时参数，如内存分配策略、硬件加速器等。

例如：

model:
  name: MobilenetV1
  input_nodes:
  - input:0
  output_nodes:
  - global_pool:0
  
runtime:
  target: cpu
  opencl_cache_path: /data/local/tmp/opencl.cache

optimization:
  fp16: false
  int8: false
  calibration_data_path: ""

要使用该配置转换模型，你需要调用 MACE 的 Python API，或者使用提供的命令行工具。

以上就是 MACE 模型库的基本结构、启动文件及配置文件的简介。通过这个教程，你应该能够开始探索并使用 MACE 在移动平台上部署深度学习模型。如需更详细的操作步骤，请参考项目文档：https://github.com/XiaoMi/mace/tree/master/docs 。

mace-modelsMobile AI Compute Engine Model Zoo项目地址:https://gitcode.com/gh_mirrors/ma/mace-models