導言android
Mobile AI Compute Engine (MACE) 是一個專爲移動端異構計算平臺優化的神經網絡計算框架。MACE 支持 TensorFlow 和 Caffe 模型，提供轉換工具，能夠將訓練好的模型轉換成專有的模型數據文件，同時還能夠選擇將模型轉換成C++代碼，支持生成動態庫或者靜態庫，提升模型保密性。git
Mobile AI Compute Engine (MACE) github
Mobile AI Compute Engine (MACE) 是一個專爲移動端異構計算平臺優化的神經網絡計算框架。主要從如下的角度作了專門的優化：算法
性能api
代碼通過NEON指令，OpenCL以及Hexagon HVX專門優化，而且採用 Winograd算法來進行卷積操做的加速。 此外，還對啓動速度進行了專門的優化。數組
功耗微信
支持芯片的功耗管理，例如ARM的big.LITTLE調度，以及高通Adreno GPU功耗選項。網絡
系統響應架構
支持自動拆解長時間的OpenCL計算任務，來保證UI渲染任務可以作到較好的搶佔調度， 從而保證系統UI的相應和用戶體驗。框架
內存佔用
經過運用內存依賴分析技術，以及內存複用，減小內存的佔用。另外，保持儘可能少的外部 依賴，保證代碼尺寸精簡。
模型加密與保護
模型保護是重要設計目標之一。支持將模型轉換成C++代碼，以及關鍵常量字符混淆，增長逆向的難度。
硬件支持範圍
支持高通，聯發科，以及松果等系列芯片的CPU，GPU與DSP(目前僅支持Hexagon)計算加速。 同時支持在具備POSIX接口的系統的CPU上運行。
地址：https://github.com/XiaoMi/mace
MACE 文檔
連接: https://mace.readthedocs.io/en/latest/
打開MACE 在線文檔網頁，引入眼簾的是：
Getting started
Development
FAQ
這裏簡單介紹一下Getting started中的Introduction內容：
移動AI計算引擎（MACE）是一種針對移動異構計算平臺優化的深度學習推理框架。 下圖顯示了總體架構。
模型格式（Model format）
MACE定義了與Caffe2相似的自定義模型格式。MACE模型能夠由TensorFlow和Caffe的導出模型轉換。YAML文件用於描述模型部署詳細信息。在下一章中，有詳細的指導說明如何建立這個YAML文件。
模型轉換（Model conversion）
目前，咱們爲TensorFlow和Caffe提供模型轉換器。將來將支持更多框架。
模型加載（Model loading）
MACE模型格式包含兩部分：模型圖定義和模型參數張量。圖形部分使用協議緩衝區進行序列化。全部模型參數張量一塊兒鏈接成一個連續的字節數組，咱們在下面的段落中稱這個數組張量數據（array tensor data）。在模型圖中，記錄張量數據偏移和長度。
模型能夠經過3種方式加載：
模型圖和張量數據都是外部動態加載的（默認狀況下，來自文件系統，但用戶能夠自由選擇本身的實現，例如，使用壓縮或加密）。這種方法提供了最大的靈活性，但倒是最薄弱的模型保護。
模型圖和張量數據都轉換爲C++代碼並經過執行編譯的代碼加載。這種方法提供了最強大的模型保護和最簡單的部署。
模型圖轉換爲C++代碼並構造爲第二種方法，張量數據做爲第一種方法在外部加載。
MACE Model Zoo
隨着MACE一塊兒開源的還有MACE Model Zoo項目，目前包含了物體識別，場景語義分割，圖像風格化等多個公開模型。
連接: https://github.com/XiaoMi/mace-models
打開上述連接看到下述畫面，着實蠻震撼的！這裏簡單介紹一下部分現有的model：
CNN
inception-v1-v2-v3
resnet-v2-50
vgg16
mobilenet-v1-v2（輕量級）
squeezenet（輕量級）
圖像分割
deeplab-v3-plus
MACE Demo
MACE 目前還提供了Android的示例程序，你們能夠下載編譯好的APK文件進行安裝，快速感覺一下MACE的魅力。
連接: https://cnbj1.fds.api.xiaomi.com/mace/demo/mace_android_demo.apk
Amusi 這不立刻就下載好，測試感覺一下，下面是測試結果。
Refrigerator
Laptop
Amusi 我的以爲識別率通常般，並且是隻輸出Top1的結果。識別速度嘛，還能夠吧，畢竟是魅族Mx6上跑CPU模式。若是換上驍龍845處理器的手機，應該...
如何評價小米開源的移動端深度學習框架MACE？
小米忽然開源了自家的深度學習框架，是否是在爲「上市」作準備呢？
讓咱們看一下知乎上大佬們怎麼看待這個事件？
截止2018-06-29，只有兩我的回答了該問題，你們的反映並非很熱烈，也許知道這件事情的人很少吧。但 Amusi 以爲MACE的出現，仍是一件頗有意義的事情，國內能作深度學習框架開源的公司真很少！
（舒適提示）國內有自研開源深度學習框架的公司有：
PaddlePaddle（百度）
Angel（騰訊）
Other
小米開源MACE，這絕對是一件很正能量的事情，工業界和學術界都應該鼓勵和支持！就如左上角所示，有222位關注者，也說明了你們對這件事情的期待。
連接: https://www.zhihu.com/question/283030623
若喜歡「深度學習與神經網絡」推送的文章，請掃描下方二維碼關注公衆號！
您好，歡迎關注深度學習與神經網絡。本公衆號會按期推送深度學習的教程以及人工智能最新發展狀況。感謝你們的支持！
回覆「教程」能夠看到最新的深度學習教程。
回覆「加羣」能夠加入深度學習交流羣。
投稿或合做請加微信：sdxxqbf。
本文分享自微信公衆號 - AI MOOC人工智能平臺（AIMOOC_XLAB）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。