ncnn 快速入门编译使用

ncnn前向框架简介
以下介绍来自官网介绍
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI 带到你的指尖。ncnn 目前已在腾讯多款应用中使用，如 QQ，Qzone，微信，天天P图等。

功能概述

支持卷积神经网络，支持多输入和多分支结构，可计算部分分支
无任何第三方库依赖，不依赖 BLAS/NNPACK 等计算框架
纯 C++ 实现，跨平台，支持 android ios 等
ARM NEON 汇编级良心优化，计算速度极快
精细的内存管理和数据结构设计，内存占用极低
支持多核并行计算加速，ARM big.LITTLE cpu 调度优化
-整体库体积小于 500K，并可轻松精简到小于 300K
可扩展的模型设计，支持 8bit 量化和半精度浮点存储，可导入 caffe 模型
支持直接内存零拷贝引用加载网络模型
可注册自定义层实现并扩展

在Ubuntu上安装NCNN
1. 下载编译源码
git clone https://github.com/Tencent/ncnn
cd ncnn
mkdir build
cd build
cmake …
make -j
make install
TIPS：进入 ncnn/build/tools 目录下，如下所示，我们可以看到已经生成了 caffe2ncnn 可ncnn2mem这两个可执行文件，这两个可执行文件的作用是将caffe模型生成ncnn 模型，并且对模型进行加密。我主要使用caffe2ncnn 。

2. 将caffe下需要的网络模型转换为NCNN模型
（需要caffemodel以及deploy.prototxt）
由于NCNN提供的转换工具只支持转换新版的caffe模型,所以我们需要利用caffe自带的工具将旧版的caffe模型转换为新版的caffe模型后,在将新版本的模型转换为NCNN模型.
旧版本caffe模型->新版本caffe模型->NCNN模型

按照./caffe2ncnn的提示去写命令，生成ncnn自己的bin和pram

2.1 旧版caffe模型转新版caffe模型
1、~/caffe/build/tools/upgrade_net_proto_text deploy.prototxt new_deplpy.prototxt
2、~/code/ncnn/build/tools$ ~/caffe/build/tools/upgrade_net_proto_binary bvlc_alexnet.caffemodel new_bvlc_alexnet.caffemodel

3. 编译NCNN例程
需要进入ncnn/examples目录
（1）NCNN进行检测
修改NCNN根目录下CMakeLists.txt 文件
取消注释add_subdirectory(examples)


reference：https://blog.csdn.net/Iriving_shu/article/details/78828704