NCNN在Core3566模组上的部署和测试
得益于四核A55的性能，NCNN跑起来应该问题不大，本文主要介绍NCNN在Core3566 模组上的部署和测试。
一、NCNN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。
ncnn: NCNN是腾讯优图实验室首个开源项目，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。
二、源码下载&编译
（一）源码下载
在NCNN的github（github.com/Tencent/ncnn）拉源码。
linaro@linaro-alip:/userdata$ sudo git clone https://github.com/Tencent/ncnn.git
Cloning into 'ncnn'...
remote: Enumerating objects: 32651, done.
remote: Counting objects: 100% (5798/5798), done.
remote: Compressing objects: 100% (309/309), done.
remote: Total 32651 (delta 5637), reused 5500 (delta 5489), pack-reused 26853
Receiving objects: 100% (32651/32651), 22.79 MiB | 8.51 MiB/s, done.
Resolving deltas: 100% (27724/27724), done.
Checking out files: 100% (3285/3285), done.
linaro@linaro-alip:/userdata$
（二）源码编译
考虑到四核A55的能力，加上NCNN本身也支持板上直接编译，所以就不去PC上搞交叉编译了。
Debian包自带gcc，所以就不需要在Core3566 模组编译安装了，顶多更新下。
linaro@linaro-alip:/userdata$ gcc -v
Using built-in specs.
COLLECT_GCC=gcc
COLLECT_LTO_WRAPPER=/usr/lib/gcc/aarch64-linux-gnu/8/lto-wrapper
Target: aarch64-linux-gnu
Configured with: ../src/configure -v --with-pkgversion='Debian 8.3.0-6' --with-bugurl=file:///usr/share/doc/gcc-8/README.Bugs --enable-languages=c,ada,c++,go,d,fortran,objc,obj-c++ --prefix=/usr --with-gcc-major-version-only --program-suffix=-8 --program-prefix=aarch64-linux-gnu- --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --enable-bootstrap --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-libquadmath --disable-libquadmath-support --enable-plugin --enable-default-pie --with-system-zlib --disable-libphobos --enable-multiarch --enable-fix-cortex-a53-843419 --disable-werror --enable-checking=release --build=aarch64-linux-gnu --host=aarch64-linux-gnu --target=aarch64-linux-gnu
Thread model: posix
gcc version 8.3.0 (Debian 8.3.0-6)
按照下面步骤的顺序：
cd < ncnn-root-dir >
mkdir -pbuild-aarch64-linux-gnu
cdbuild-aarch64-linux-gnu
cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/aarch64-linux-gnu.toolchain.cmake ..
make -j$(nproc)
操作及log如下：
可以看出编译还是很耗资源。
最终生成了可执行程序。
linaro@linaro-alip:/userdata/ncnn/build-aarch64-linux-gnu$ file benchmark/benchncnn
benchmark/benchncnn: ELF 64-bit LSB pie executable, ARM aarch64, version 1 (SYSV), dynamically linked, interpreter /lib/ld-linux-aarch64.so.1, for GNU/Linux 3.7.0, BuildID[sha1]=16473ecd5c28b183841b2925c3d87c7cd23a060e, not stripped
linaro@linaro-alip:/userdata/ncnn/build-aarch64-linux-gnu$
三、测试
将生成的可执行文件拷贝到原目录的benchmark/文件夹中，因为这里面有测试需要的模型数据。
执行一下，几个模型测试都跑个遍：
得分数据还是比较能反映RK3566的实力，基本上每项都是H616得分的2倍。贴个H616的测试分数，对比下。
审核编辑：汤梓红
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网
网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
AI
+关注
关注
87文章
30728浏览量
268871 -
人工智能
+关注
关注
1791文章
47183浏览量
238200 -
源码
+关注
关注
8文章
639浏览量
29184 -
模组
+关注
关注
6文章
1487浏览量
30359
发布评论请先 登录
相关推荐
【幸狐Core3566模组试用体验】Linux系统烧写和体验
因为没想到“幸狐 Core3566 模组”果然是个模组，除了一块核心板+一个天线之外就没了，所以只能在咸鱼上找了块据说“兼容”CM4的底板。
在AvaotaA1全志T527开发板上部署ncnn
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
发表于 07-22 10:36
如何在RK3308嵌入式开发板上使用ncnn部署mobilenetv2_ssdlite模型呢
如何在RK3308嵌入式开发板上使用ncnn部署mobilenetv2_ssdlite模型呢？
发表于 12-27 07:19
【芒果派MangoPi MQ Quad】NCNN在MangoPi MQ Quad上的部署和测试
穿透工具，找了几个要么不免费，要么各种验证，还是放弃吧。
得益于四核A53的性能，NCNN跑起来应该问题不大，本文主要介绍NCNN在MangoPi MQ Quad上的
发表于 08-03 23:25
【幸狐 Core3566 模组试用体验】幸狐 Core3566 模组开箱
应用。RK809可以提供一个完整的电源管理解决方案，外部组件很少。
三、资料
因为没想到“幸狐 Core3566 模组”果然是个模组，除了一块核心板+一个天线之外就没了，核心板上也没用
发表于 09-09 18:46
【幸狐 Core3566 模组试用体验】Linux系统烧写和体验
一、前传
因为没想到“幸狐 Core3566 模组”果然是个模组，除了一块核心板+一个天线之外就没了，所以只能在咸鱼上找了块据说“兼容”CM4的底板。
嗯，具体如图，带RJ45口、H
发表于 09-14 13:23
【幸狐 Core3566 模组试用体验】基于openCV的猫脸识别
的图片是网上随便下载的。
将图片、猫脸识别分类器还有python上传至幸狐 Core3566 模组，并运行python脚本。
只识别出2只猫咪，看来有一只的脸不合格，要想识别出来，需要
发表于 09-24 23:50
【幸狐 Core3566 模组试用体验】RK3566的CoreMark
。
CoreMark 基准评分特点
CRC 算法具有双重功能，在链表元素中包含的数据上执行16位CRC，以验证操作正确，保证操作正确并提供自我检查机制。
为了确保编译器不能在编译时预先计算结果，基准
发表于 10-06 23:48
【幸狐 Core3566 模组试用体验】开箱篇
幸狐 Core3566 模组核心板主控采用Rockchip RK3566四核处理器，集成双核心架构GPU以及高效能NPU，最高支持0.8T算力，主频高达1.8GHz。嵌入式3D GPU使RK3
发表于 10-10 15:25
【幸狐 Core3566 模组试用体验】EMMC烧写镜像
Device”就可以进行镜像烧录了。
MaskRom模式
如果设备进入不了 Loader 模式，此时才可以尝试强行进入 MaskRom 模式。将Core3566断开电源，按住核心板上
发表于 10-10 15:48
【幸狐 Core3566 模组试用体验】NCNN在Core3566 模组上的部署和测试
得益于四核A55的性能，NCNN跑起来应该问题不大，本文主要介绍NCNN在Core3566 模组上
发表于 10-10 20:45
NCNN在MangoPi MQ Quad上的部署和测试
穿透工具，找了几个要么不免费，要么各种验证，还是放弃吧。 得益于四核A53的性能，NCNN跑起来应该问题不大，本文主要介绍NCNN在MangoPi MQ Quad上的
工商网监
评论