Repository - PhoneBit

登录注册

版本库

查看Git使用指南如操作版本库需要认证，请使用您的邮箱

ZIP下载

克隆网址复制

zzyyhsy@outlook.com 提交于 8 months前：update libPhoneBitJni.so

.idea
OpenCVLibrary340
app
gradle
phonebit_model_converter
.gitignore
LICENSE
OpenCL_Kernel_Analyzer.py
README.md
README_English.md
build.gradle
gradle.properties
gradlew
gradlew.bat
settings.gradle
test
trepn_6.2p.apk

导出统计结果：各用户提交统计信息

# PhoneBit - 基于手机GPU的高能效的二值神经网络前向推理引擎

[[English](README_English.md)] [[Chinese/中文](README.md)]

如果您对PhoneBit项目感兴趣，并想获得更多资讯，请发送邮件至phonebit@outlook.com。
## 项目介绍
PhoneBit是业界首个基于手机GPU的高能效的二值神经网络前向推理引擎，使用OpenCL实现，并采用GPU作为计算设备。相比于现有最新的其他框架，PhoneBit可实现极大的速度与能耗比的提升。

相比于CNNdroid， PhoneBit对比其CPU模式可平均提升速度794倍，对比其GPU模式可平均提升速度35倍。相比于TensorFlow Lite，PhoneBit相对其CPU模式平均提升了12倍，相对其GPU模式平均提升了15倍，相对其CPU 8bit量化模式平均提升了6倍。

相比于daBNN（一个最新的基于ARM的二值神经网络框架，于2019年8月由京东AI开源），在使用小米5手机（Snapdragon 820 芯片）运行Bi-Real Net 18（一种二值化的ResNet-18网络）的情况下，PhoneBit实现了2.60倍速度提升，2.62倍更低的功耗，6.8倍更高的能效比

此外，我们提供了一个Android Studio样例工程来帮助您使用PhoneBit，包括转换您的模型至PhoneBit格式以及在Android中执行前向传播。

## 转换模型
我们提供了一个模型转换工具，位于phonebit_model_converter文件夹中，用于转换ONNX格式的模型至PhoneBit格式，此工具基于Python3与C++（C/C++只是用于转换为fp16精度的模型使用），您也可以修改此工具来支持从其他格式转换，请浏览onnx2phonebit.py文件。

## 使用方法
使用Android studio来打开此工程并运行。此工程中详细展示了如何使用PhoneBit来加载模型并进行前向推理。关于PhoneBit目前提供的java API，可在PhoneBit.java中找到。

本工程中提供的PhoneBit库为限制版本，仅支持21层卷积层（包括浮点与二值卷积层）及7x7以及以下的卷积核尺寸。如果您有需要，请与我们联系，邮箱为phonebit@outlook.com。
## 引用
如果PhoneBit在您的研究中起到了帮助，请引用我们：

```
@inproceedings{phonebit,
  author = {Gang Chen and Shengyu He and Haitao Meng and Kai Huang},
  booktitle = {Design, Automation and Test in Europe Conference},
  title = {PhoneBit: Efficient GPU-Accelerated Binary Neural Network Inference Engine for Mobile Phones},
  year = {2020}
}
```

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心