ContextQMD
Back to Paddle Lite

Paddle Lite 介绍

docs/guide/introduction.md

2.122.9 KB
Original Source

Paddle Lite 介绍

Paddle Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。

主要特性

  • 支持多平台：涵盖 Android、iOS、嵌入式 Linux 设备、Windows、macOS 和 Linux 主机
  • 支持多种语言：包括Java、Python、C++
  • 轻量化和高性能：针对移动端设备的机器学习进行优化，压缩模型和二进制文件体积，高效推理，降低内存消耗

开发工作流程

以下介绍了该工作流程的每一个步骤，并提供了进一步说明的链接：

1. 创建 Paddle Lite 模型

您可以通过以下方式生成 Paddle Lite 模型：

  • 将 Paddle 模型转换为 Paddle Lite 模型：使用 Paddle Lite opt 工具 将 Paddle 模型转换为 Paddle Lite 模型。在转换过程中，您可以应用量化等优化措施，以缩减模型大小和缩短延时，并最大限度降低或完全避免准确率损失。

2. 运行推断

推断是指在设备上执行 Paddle Lite 模型，以便根据输入数据进行预测的过程。您可以通过以下方式运行推断：

  • 使用 Paddle Lite API，在多个平台和语言中均受支持（如 Java、C++、Python）
    • 配置参数（MobileConfig），设置模型来源等
    • 创建推理器（Predictor），调用 CreatePaddlePredictor 接口即可创建
    • 设置模型输入，通过 predictor->GetInput(i) 获取输入变量，并为其指定大小和数值
    • 执行预测，只需要调用 predictor->Run()
    • 获得输出，使用 predictor->GetOutput(i) 获取输出变量，并通过 data<T> 取得输出值

在有 GPU 的设备上，您可以使用 OpenCL 加速来提升性能。

开始使用

根据目标设备，您可以参阅以下指南：

技术路线