MNN资料

已于 2022-01-28 20:07:03 修改
阅读量619 收藏 1
点赞数
文章标签： mnn CNN 神经网络
于 2021-08-28 08:36:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42849849/article/details/119963431
版权
阿里MNN平台提供模型加密功能，确保APP应用开发中的模型安全。加密过程包括：调整网络算子顺序并生成so及转换工具，使用Expression库修改算子名字，然后用bin2c将模型嵌入到APP的.so文件中，并可进一步加密模型以增强安全性。加载时进行解密操作，确保模型在运行时的隐私保护。
摘要由CSDN通过智能技术生成

MNN

文档

MNN模型加密

用阿里MNN平台进行推理APP应用开发，发布时需要将训练好的模型加密。

加密步骤
  • 修改MNN的预定义网络算子顺序。改好后生成so和模型转换工具，用模型转换工具将已有模型转成MNN内部格式，此时so和模型一对一绑定: so只能加载本转换工具转后的模型
  • 修改模型内的算子名字。用MNN提供的Expression库可以修改算子名字，用随机名字替换掉每个算子原有名称
  • 用bin2c将模型嵌入到APP的so内，内部直接通过缓冲区加载模型，避免外部文件加载。可以对bin2c转换后的buffer用预定义密码进行进一步加密，模型加载时进行相应解密操作
weixin_42849849
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
【MNN学习三】MNN可使用工具说明
My Blogs
08-26 1509
参考链接：MNN工具说明
【MNN学习二】模型压缩与量化
My Blogs
08-26 5723
目录 1. 量化的作用 2. 编译 3.量化工具的使用 1. 量化的作用 量化将网络中主要算子（卷积）由原先的浮点计算转成低精度的Int8计算，减少模型大小并提升性能 2. 编译 (1) 编译宏 编译MNN时开启 MNN_BUILD_QUANTOOLS 宏，即开启量化工具的编译 (2) 编译产物 量化模型的工具： quantized.out ...
OpenVino, MNN, TensorRT加载加密模型
努力是为了躺平
07-23 2486
1. 简介 说明OpenVino， MNN以及TensorRT怎么加载加密模型， 简要说明相关接口。 2. 示例 OpenVino std::vector<unit8_t> model; std::vector<unit8_t> weights; std::string xmlpath="model.xml"; std::string binpath="model.bin"; std::string password="xxx"; decrypt_file(xmlpath,
MNN 2.0 发布——移动端推理引擎到通用深度学习引擎
淘系技术
07-13 2407
MNN近期更新了2.0版本啦！在整体定位方面，相比于1.0版本的端侧深度学习引擎，MNN 2.0迈向了端云一体化的通用深度学习框架，一方面大幅优化了在服务端CPU和GPU上的性能；另一方面新增了类似OpenCV、Numpy的通用计算模块，以完整覆盖学习任务的前处理、模型运行、后处理3阶段。下面本文将对MNN 2.0的相关技术做详细介绍。MNN 及技术挑战▐MNN 简介...
MNN使用
weixin_43999691的博客
04-07 849
国产推理框架-MNN使用
MNN框架学习（二）：使用MNN部署模型
热门推荐
sinat_31425585的博客
10-01 1万+
这里代码其实大部分来自于xiongdongzhang的github项目：https://github.com/xindongzhang/MNN-APPLICATIONS，个人觉得学习一个新东西，最开始的步骤应该是用起来，至于怎么用起来，可以先参考一下别人怎么用的，将代码拆分、重组和封装，通过这一系列的过程，我们就可以基本掌握这个新东西的使用方法，会用之后，才考虑原理的学习。 这里...
MNN模型编译和转换过程
qq_33515058的博客
04-06 1446
MNN模型编译和转换过程 ~模型转换过程 1：首先编译MNN的模型转换工具：./MNNConvert cd MNN/ MNN/ ./schema/generate.sh /schema/generate.sh mkdir build kdir build cd build build cmake .. -DMNN_BUILD_CONVERTER=true && make -j8 make .. -DMNN_BUILD_CONVERTER=true..
MNN-APPLICATIONS-master.zip
06-04
APPLICATIONS-master.zip”包含了一系列关于MNN在移动端的应用实践案例，涉及到人脸识别、目标检测等重要领域，并提供了将TensorFlow和PyTorch模型转换为MNN格式的方法，这对于开发者来说是一份极其宝贵的学习资料。...
专题资料（2021-2022年）fragstat指数归纳.doc
10-07
6. **邻近度指标（NEAR, PROXIM, MNN, NNSD, NNCV, MPI）**： - **NEAR**：最邻近距离，计算的是拼块之间最近的距离。 - **PROXIM**：邻近指数，衡量拼块间的相对接近程度。 - **MNN**：平均最近邻距离，所有拼块...
基于Android使用深度学习模型实现图像识别源码，框架Tensorflow Lite+MNN+TNN.zip
最新发布
01-12
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程...基于Android使用深度学习模型实现图像识别源码，框架Tensorflow Lite+Paddle Lite+MNN+TNN.zip
深度学习在胰腺医学影像中的应用综述.docx
06-19
深度学习模型已经显示出非常好的性能，如 Wang 等使用基于 GoogleNet 的模型在 Camelyon 乳腺癌淋巴结转移分类挑战赛上取得了 0.925 的 AUC 分数，Momeni-Boroujeni 等使用多层感知器神经网络（MNN）分析胰腺细针穿...
多路任意功分比Gysel功分器.docx
07-01
每个隔离网络都包含两个特性阻抗分别为\( Z_{mnm} \)和\( Z_{mnn} \)的传输线，它们分别靠近端口m和端口n，且这些传输线在中心频率处的电长度均为90°。 ##### 理论分析 假设N路Gysel功分器各输出端口的功率比为\( ...
ncnn模型加载的三种方式
Enchanted_ZhouH的博客
05-11 7756
       本文主要讲解ncnn模型加载的三种方式，模型以上文（https://blog.csdn.net/Enchanted_ZhouH/article/details/105861646）的resnet18模型为示例，模型文件如下： resnet18.param //模型结构文件 resnet18.bin //模型参数文件        第一种方式：直接加载param和bin     &
MNN深度框架学习教程（一） 编译MNN，并跑通MNN的demo
donkey_1993的博客
05-27 1万+
实验环境： 系统：Ubuntu18.04 硬件设备：PC设备和树莓派4B 编译教程： MNN框架主要分为三部分：推理，训练和转换。推理：在端侧加载MNN模型进行推理的阶段。训练：训练框架上，根据训练数据训练出模型的阶段。转换：将其他训练框架模型转换为MNN模型的阶段。 因此我们的编译也需要分三部分来进行编译。 首先下载MNN：(我这个是使用码云进行了加速) git clone https://gitee.com/zhanzzw/MNN.git 环境要求： cmake（建议...
修改MNN模型参数和节点的方法
qq_19313495的博客
04-18 1349
最近有需求要更改MNN模型的结构，在网上找了好久，只找到两篇相关的，但是试了一下都没成功。 之后我在钉钉群里面问了一下，得到此方法。 编译的converter里面会有一个MNNDump2Json和MNNRevert2Buffer。 我们可以使用： ./MNNDump2Json XXX.mnn XXX.json 将mnn模型转为json文件。 然后我们可以在json文件里面找到我们要修改的节点进行修改。 最后使用： ./MNNRevert2Buffer XXX.json XXX.mnn
MNN模型存储结构(flatbuffers)(转)
jjhhfb的博客
11-26 741
FlatBuffers，MNN模型存储结构基础-------------https://www.jianshu.com/p/8eb153c12a4b Mnn模型存储结构-------------https://www.jianshu.com/p/b1fa70005dbf Mnn Converter Debug [进阶] ---- 微架构设计 & 模型定制化转换概述-----------...
【手把手AI项目】七、MobileNetSSD通过Ncnn前向推理框架在PC端的使用(目标检测 objection detection)
AI蜗牛车
12-14 1万+
前言 安装win10+linux-Ubuntu16.04的双系统（超细致） ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7　（超超细致） Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络 下载编译ncnn git clone https://github.com/Tencent/n...
mobilenetv2的Pytorch模型转onnx模型再转ncnn模型
qq_36890370的博客
03-22 2953
一、Pytorch模型转onnx模型 1、准备一个训练好的模型 模型下载链接：https://pan.baidu.com/s/1hmQf0W8oKDCeMRQ2MgjnPQ| 提取码: xce4 2、模型转换及测试代码（详细过程见代码注释） （1）先加载一张mnist测试图片用pytorch模型测试得出结果（判断Pytorch模...
MNN模型结构解读
JKANG94的博客
05-30 2067
MNN模型结构解读–反序列化为文本格式 MNN是阿里开源的端侧深度学习框架，支持Tensorflow、Caffe、ONNX、tflite主流模型文件格式，通过Convert模块将已经训练好的网络模型转为MNN定义的模型格式，官方已经支持Netron工具可视化MNN模型，由于MNN的模型结构定义使用了flatbuffers库，因此可以通过flatbuffers的接口将.mnn格式的文件解析为文本格式。 flatbuffers是谷歌开源的序列化结构化库，相比protobuf库性能更好更加轻量，只需包含inclu
skmatrix mnn
08-12
SKMatrix MNN是一种用于深度学习的开源框架，可用于开发和训练神经网络模型。SKMatrix MNN提供了丰富的功能和工具，可以帮助开发者快速构建和训练复杂的神经网络模型。 SKMatrix MNN具有以下特点和优势： 1. 高性能：SKMatrix MNN利用多线程和多核技术，能够高效地执行神经网络计算，实现快速的模型推断和训练。 2. 跨平台支持：SKMatrix MNN提供了对多种平台的支持，包括移动设备、桌面计算机和服务器。开发者可以在不同的平台上使用相同的代码和模型进行开发和部署。 3. 易于使用：SKMatrix MNN提供了简单易用的API和文档，使开发者能够快速上手和开发自己的神经网络模型。同时，SKMatrix MNN还提供了丰富的示例代码和教程，帮助开发者理解和使用框架的各种功能。 4. 可扩展性：SKMatrix MNN支持各种常用的神经网络结构，如卷积神经网络（CNN）、循环神经网络（RNN）和转换器（Transformer）等。开发者可以根据自己的需求进行模型的定制和扩展。 总之，SKMatrix MNN是一款强大而易用的深度学习框架，可以帮助开发者快速构建和训练神经网络模型，并在不同的平台上部署和应用。无论是初学者还是专业人士，都可以从SKMatrix MNN中受益，并加速自己的深度学习项目的开发进程。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值