深度学习—移植的可操作性

目前为收集资料调研阶段，后续会根据实际中遇到的问题，补充相关内容

移动端的深度学习框架总结：

ncnn优势：

a)       无任何第三方库

b)      纯c++实现，跨平台

c)       汇编级优化，计算速度极快 使用ARM NEON 指令实现卷积层，全连接层，池化层等大部分cnn关键层

d)      支持多核并行运算

e)       可扩展的模型设计，支持 8bit 量化和半精度浮点存储

f)        支持直接内存引用加载网络模型

g)      可注册自定义层实现并扩展

项目地址：https://github.com/Tencent/ncnn

1.caffe

     ncnn中有工具caffe2ncnn转换为ncnn格式

2.pytorch

    pytorch与caffe比较：https://blog.csdn.net/haoji007/article/details/88779180

   pytorch 转ncnn:

  (1)pytorch->onnx

  (2)onnx->ncnn

  https://blog.csdn.net/hmzjwhmzjw/article/details/94027816