深度学习实践与部署

涉及切入式开发的内容可以先了解这篇文章内容：嵌入式开发，从开发板到产品的过程是什么样的？_mjiansun的专栏-CSDN博客

1、远程服务器模式

    这种模式多见于大的互联网公司，比如bat。用户需要做的就是上传自己的数据就可以了。当然，这种api初期的若干次可能是免费的，但是后期其实价格并不便宜。

2、本地pc模式

    大家都知道，训练模型是非常耗时间的，运行模型也是很耗时间的。对于工厂来说，如果训练的模型，跑的速度很慢，那么实际意义不大。所以，很多产线上面，会采取工业相机+pc服务器的形式。pc上可以运行windows server系统，选用好一点的显卡，一般情况下问题不大，唯一需要考虑的就是成本和稳定性问题。

3、arm+dsp模式

    现在ti的这种芯片，主要用在汽车上面，常见的j6、j7都是可以的，所以使用arm、dsp并发的形式其实也是可以的，这个里面最好使用ti提供的cnn库，这样比较好一点。

4、arm+gpu+cuda模式

    nvidia推出来的jetson系列，目前已经在各大平台都可以买到。抛开gpu来说，jetson系列的arm cpu也是性能很强悍的。这个里面成本是很重要的一个环节，另外产品本身还没有经历过重要的工业实践，这个也需要注意。

5、arm+fpga模式

    只要涉及到fpga，一般都是定制的领域。fpga的好处就是成本可接受、性能好，数据处理可以完美地利用内存传输的时间，此外还有数据并发处理技术、流水线处理技术、缓存技术，有了这些技术的加持，即使fpga频率不算太高，性能其实也是非常可观的。但是，目前市场上面合适的fpga算法工程师很少，即使hls这种c转verilog技术，掌握的人也不多，当然成本也很重要，种种因素制约了fpga芯片在深度学习领域的发展和部署。

6、arm+npu模式

    目前市场上面能够买到的带npu的soc不多，rk3399pro算一个。npu，虽然名字高大上，本身来说，还是相当于将cnn硬件化，将卷积计算、全连接、激励函数这些内容用硬件来实现，当然这里面还有一部分图像与处理的工作，也就是isp的内容。每个厂家都是宣称自己的npu可以实现多少个tops，其实还是在往里面堆8位int的alu，意义多大，很难说。

7、arm+普通gpu+opencl模式

    除了nvidia的gpu，大部分芯片厂家的soc还支持opencl的标准，这里面主要是arm自己的gpu，好不好用难说。比如很多人买rk3399 pro的板子，上面就支持opencl，有的人说好用，有的人说不好用。大家可以找一款带arm gpu的板子尝试一下，假设芯片手册上面明确表示支持opencl，那么可以尝试一下，影响效果的因素很多，比如模型、内存、gpu的使用，目前来说这种方法使用的比较少，但是也值得一试。虽然nvidia的gpu已经成为事实上的标准，但是如果能用opencl对已有的算法进行加速，未尝不是一个好的选择。

8、纯arm运行模式

    现在带arm a72、a73的soc也开始多了起来，比如树莓派4b。但是我个人还是不太建议用arm运行深度学习，嵌入式的算力再强，也不会达到pc的算力，所以这个里面还是要尽量使用soc上面所有ip的算力核，这样才能达到比较好的使用效果和体验。当然，如果仅仅是学习，比如将yolo4、yolo5 port到板子上，那其实无可厚非，但做成产品就是另外一回事了。

    总结，以上这几种模式，基本上是目前能够想到的所有深度学习部署方法，大家可以根据自己的需求灵活处理。总的来说，根据自己的能力、成本和厂家的support程度选择一个适合自己的场景。

ps：

    检查发现，这篇文章和之前的这一篇（https://feixiaoxing.blog.csdn.net/article/details/104965594）有部分重合，比如之前这篇文章谈到了加速棒，而这篇文章谈到了opencl，算是一部分补充吧。因此建议大家可以根据自己的情况，选择一个加速的方向即可，比如cuda就非常不错。因为他不光可以用在图像上，还可以使用在很多其他算法的加速上面。

    当然如果精通了一种方法，比如fpga，那么你就知道，数据加速不完全是在并发数据执行上面（比如矩阵计算），还体现在数据边收边处理、流水线、dma、cache&uncache、系统设计多个方面，这个时候你对数据的并行运算就会有更进一步的认识。