最新benchmark结果参见：https://github.com/AI-performance/embedded-ai.bench/releases
- 一键编译：拉取框架代码，编译库；
- 一键转换：拉取原始模型、编译转换工具、转换模型；
- 一键测速：拉取框架模型，测速。拉取框架模型，框架模型存放于不同的代码仓库中，执行测速过程会自动完成拉取。
# tnn
cd ./tnn
./build_tnn_android.sh # follow & read `./tnn/build_tnn_android.sh` if build failed
cd -
# mnn
cd ./mnn
./build_mnn_android.sh # follow & read `./mnn/build_mnn_android.sh` if build failed
cd -
# ncnn
cd ./ncnn
./build_ncnn_android.sh # follow & read `./ncnn/build_ncnn_android.sh` if build failed
cd -
# tflite
cd ./tflite
./build_tflite_android.sh # follow & read `./tflite/build_tflite_android.sh` if build failed
cd -
# bench
python bench.py
# if execution is okay:
# ===> edit ./core/global_config.py
# ===> edit value of `GPU_REPEATS=1000`, `CPU_REPEATS=100`, `WARMUP=20`, `ENABLE_MULTI_THREADS_BENCH=True`
# ===> ./clean_bench_result.sh
# ===> python bench.py
# see benchmark result below
# ./tnn/*.csv
# ./mnn/*.csv
# ./ncnn/*.csv
目前支持模型有限，见：tnn-models、mnn-models、ncnn-models、tflite-models。
下图描述了本项目的架构:
- class Engine: 由
engine_config创建每个框架的实例、加载模型models、编译引擎lib(TODO:待集成到py脚本)，跑出bench结果； - BenchSum(TODO): 汇总各Engine实例的Bench结果；
- common model repo(TODO): 存放公共原始模型的仓库。如Caffe、TensorFlow框架的经典模型(MobileNetV1/V2等)。
- 各引擎独立模型仓库，如tnn-models。包含从公共公共模型仓库转换得到的tnn的模型、模型转换器的一键编译脚本(TODO)、模型转换的一键转换脚本(TODO)、模型版本一键刷新到README的脚本；
- 各引擎独立模型仓库独立定期更新(TODO)；
- 每个Engine实例在执行过程中会拉取各自独立模型仓库的模型，为bench做准备。
禁止除AI-Performance开源组织以外的主体，【公开】发布【基于本项目的benchmark结果】，若公开发布则视为侵权，AI-Performance有权追诉法律责任。
AI-Performance开源组织，以中立、公平、公正、公开为组织准则，致力于打造制定AI领域的benchmark标准。
一般是没开启「开发者模式」，在确认开启后，还是找不到，按照以下顺序一般都能解决：
- USB连接设置从「仅充电」改为「传输文件」；
- 换USB接口（可能电压）；
- 加vendor ID到~/.android/adb_usb.ini然后adb kill-server再adb start-server；
- 重启手机；
- 重启电脑；
- 换数据线（我之前发现有这个情况）；
- 华为手机的CD 驱动器Hisuite会占用adb。弹出该驱动器；
- 手机刷机。
首次提交代码需执行以下命令，安装钩子。安装成功后，每次执行git commit后会自动检查.pre-commit-config.yaml里设定的检查项，如目前是针对Python代码做格式检查。
# 第一次执行钩子可能会比较慢
pre-commit install
# 若找不到则需要先安装pre-commit
pip install pre-commit
# 如需卸载则执行
pre-commit uninstall如若找不到python3.8，可以安装minconda3，使用如下命令：
# 自动安装miniconda3，并写入当前用户的环境变量
.github/workflows/pre-commit-job.sh
# 提交代码前先创建一个名为dev_env_py的环境为例，遇到选择y
conda create -n dev_env_py python=3.8
# 激活刚创建的环境
conda activate dev_env_py
# 重新安装pre-commit
pre-commit install若CI挂掉，查看Github Action的具体日志，是否由于timeout如
git clone仓库，这时可以Re-run this jobs重新运行。
.github/workflows/unit-test-job.sh