Arm NN：在移动和嵌入式设备上无缝构建和运行机器学习应用程序
arm nn
最近，arm宣布推出神经网络机器学习(ml) 软件 arm nn。这项关键性技术，可在基于 arm 的高能效平台上轻松构建和运行机器学习应用程序。
实际上，该软件桥接了现有神经网络框架（例如 tensorflow 或 caffe）与在嵌入式 linux 平台上运行的底层处理硬件（例如 cpu、gpu 或新型 arm 机器学习处理器）。这样，开发人员能够继续使用他们首选的框架和工具，经 arm nn 无缝转换结果后可在底层平台上运行。
机器学习需要一个训练阶段，也就是学习阶段（“这些是猫的图片”），另外还需要一个推理阶段，也就是应用所学的内容（“这是猫的图片吗？”）。训练目前通常在服务器或类似设备上发生，而推理则更多地转移到网络边缘，这正是新版本 arm nn 的重点所在。
一切围绕平台
机器学习工作负载的特点是计算量大、需要大量存储器带宽，这正是移动设备和嵌入式设备面临的最大挑战之一。随着运行机器学习的需求日益增长，对这些工作负载进行分区变得越来越重要，以便充分利用可用计算资源。软件开发人员面临的可能是很多不同的平台，这就带来一个现实问题：cpu 通常包含多个内核（在 arm dynamiq big.little 中，甚至还有多种内核类型），还要考虑 gpu，以及许多其他类型的专用处理器，包括 arm 机器学习处理器，这些都是整体解决方案的一部分。arm nn 这时就能派上用场。
下图中可以看出，arm nn 扮演了枢纽角色，既隐藏了底层硬件平台的复杂性，同时让开发人员能够继续使用他们的首选神经网络框架。
arm nn sdk 概览（首次发布版本）
您可能已经注意到，arm nn 的一个关键要求是compute library，它包含一系列低级别机器学习和计算机视觉函数，面向arm cortex-acpu 和arm mali gpu。我们的目标是让这个库汇集针对这些函数的一流优化，近期的优化已经展示了显著的性能提升 – 比同等 opencv 函数提高了 15 倍甚至更多。如果您是cortex-mcpu 的用户，现在还有一个机器学习原语库 – 也就是近期发布的cmsis-nn。
cmsis-nn 是一系列高效神经网络内核的集合，其开发目的是最大程度地提升神经网络的性能，减少神经网络在面向智能物联网边缘设备的 arm cortex-m 处理器内核上的内存占用。arm开发这个库的目的是全力提升这些资源受限的 cortex cpu 上的神经网络推理性能。借助基于 cmsis-nn 内核的神经网络推理，运行时/吞吐量和能效可提升大约 5 倍。
主要优势
有了 arm nn，开发人员可以即时获得一些关键优势：
更轻松地在嵌入式系统上运行 tensorflow 和 caffe
compute library 内部的一流优化函数，让用户轻松发挥底层平台的强大性能
无论面向何种内核类型，编程模式都是相同的
现有软件能够自动利用新硬件特性
与 compute library 相同，arm nn 也是作为开源软件发布的，这意味着它能够相对简单地进行扩展，从而适应 arm 合作伙伴的其他内核类型。
适用于 android 的 arm nn
在五月举行的 google i/o 年会上，google 发布了针对 android 的 tensorflow lite，预示着主要新型 api 开始支持在基于 arm 的 android 平台上部署神经网络。表面上，这与 android 下的 arm nn sdk 解决方案非常相似。使用 nnapi 时，机器学习工作负载默认在 cpu 上运行，但硬件抽象层 (hal) 机制也支持在其他类型的处理器或加速器上运行这些工作负载。google 发布以上消息的同时，我们的 arm nn 计划也进展顺利，这是为使用 arm nn 的 mali gpu 提供 hal。今年晚些时候，我们还将为 arm 机器学习处理器提供硬件抽象层。
arm 对 google nnapi 的支持概览
arm nn 的未来发展
这只是 arm nn 的第一步：我们还计划添加其他高级神经网络作为输入，对 arm nn 调试程序执行进一步的图形级别优化，覆盖其他类型的处理器或加速器……请密切关注今年的发展！
中兴发布Combo PON Plus解决方案，Q1季度FTTx市场份额全球第二
异构计算为什么会异军突起？基于FPGA的异构计算讨论
typedef的用法以及复杂声明
华为投资8亿美元将在巴西建设5G设备工厂并设置研究机构
下半年最梦幻的四部手机:iphone8、三星note8、小米mix2和华为mate10,你打算入手哪一部?
Arm NN：在移动和嵌入式设备上无缝构建和运行机器学习应用程序
有毒气体报警器应该如何使用
AMD RX 6000系列显卡今天终于开始解禁上市
浅析curvelet变换原理与理解
低功耗MSP430数据采集系统的USB接口设计
创造Wi-Fi漫游商机 无线宽频联盟启动ICP
ADC失调误差和传递函数
江智机器人2023年投入300万助力大型机器人及自动驾驶装备外壳市场化发展
未来五年，整个ToB市场仍然将每年保持35%以上增长速度
颠覆5G技术的是一项怎样的技术
为什么pcb抄板饱受争议
SK海力士收购英特尔NAND闪存及存储业务
如何在dart实例化类class
区块链能解决农业领域的许多问题
射频前端模组化之路怎么走？
实际上，该软件桥接了现有神经网络框架（例如 tensorflow 或 caffe）与在嵌入式 linux 平台上运行的底层处理硬件（例如 cpu、gpu 或新型 arm 机器学习处理器）。这样，开发人员能够继续使用他们首选的框架和工具，经 arm nn 无缝转换结果后可在底层平台上运行。
机器学习需要一个训练阶段，也就是学习阶段（“这些是猫的图片”），另外还需要一个推理阶段，也就是应用所学的内容（“这是猫的图片吗？”）。训练目前通常在服务器或类似设备上发生，而推理则更多地转移到网络边缘，这正是新版本 arm nn 的重点所在。
一切围绕平台
机器学习工作负载的特点是计算量大、需要大量存储器带宽，这正是移动设备和嵌入式设备面临的最大挑战之一。随着运行机器学习的需求日益增长，对这些工作负载进行分区变得越来越重要，以便充分利用可用计算资源。软件开发人员面临的可能是很多不同的平台，这就带来一个现实问题：cpu 通常包含多个内核（在 arm dynamiq big.little 中，甚至还有多种内核类型），还要考虑 gpu，以及许多其他类型的专用处理器，包括 arm 机器学习处理器，这些都是整体解决方案的一部分。arm nn 这时就能派上用场。
下图中可以看出，arm nn 扮演了枢纽角色，既隐藏了底层硬件平台的复杂性，同时让开发人员能够继续使用他们的首选神经网络框架。
arm nn sdk 概览（首次发布版本）
您可能已经注意到，arm nn 的一个关键要求是compute library，它包含一系列低级别机器学习和计算机视觉函数，面向arm cortex-acpu 和arm mali gpu。我们的目标是让这个库汇集针对这些函数的一流优化，近期的优化已经展示了显著的性能提升 – 比同等 opencv 函数提高了 15 倍甚至更多。如果您是cortex-mcpu 的用户，现在还有一个机器学习原语库 – 也就是近期发布的cmsis-nn。
cmsis-nn 是一系列高效神经网络内核的集合，其开发目的是最大程度地提升神经网络的性能，减少神经网络在面向智能物联网边缘设备的 arm cortex-m 处理器内核上的内存占用。arm开发这个库的目的是全力提升这些资源受限的 cortex cpu 上的神经网络推理性能。借助基于 cmsis-nn 内核的神经网络推理，运行时/吞吐量和能效可提升大约 5 倍。
主要优势
有了 arm nn，开发人员可以即时获得一些关键优势：
更轻松地在嵌入式系统上运行 tensorflow 和 caffe
compute library 内部的一流优化函数，让用户轻松发挥底层平台的强大性能
无论面向何种内核类型，编程模式都是相同的
现有软件能够自动利用新硬件特性
与 compute library 相同，arm nn 也是作为开源软件发布的，这意味着它能够相对简单地进行扩展，从而适应 arm 合作伙伴的其他内核类型。
适用于 android 的 arm nn
在五月举行的 google i/o 年会上，google 发布了针对 android 的 tensorflow lite，预示着主要新型 api 开始支持在基于 arm 的 android 平台上部署神经网络。表面上，这与 android 下的 arm nn sdk 解决方案非常相似。使用 nnapi 时，机器学习工作负载默认在 cpu 上运行，但硬件抽象层 (hal) 机制也支持在其他类型的处理器或加速器上运行这些工作负载。google 发布以上消息的同时，我们的 arm nn 计划也进展顺利，这是为使用 arm nn 的 mali gpu 提供 hal。今年晚些时候，我们还将为 arm 机器学习处理器提供硬件抽象层。
arm 对 google nnapi 的支持概览
arm nn 的未来发展
这只是 arm nn 的第一步：我们还计划添加其他高级神经网络作为输入，对 arm nn 调试程序执行进一步的图形级别优化，覆盖其他类型的处理器或加速器……请密切关注今年的发展！
中兴发布Combo PON Plus解决方案，Q1季度FTTx市场份额全球第二
异构计算为什么会异军突起？基于FPGA的异构计算讨论
typedef的用法以及复杂声明
华为投资8亿美元将在巴西建设5G设备工厂并设置研究机构
下半年最梦幻的四部手机:iphone8、三星note8、小米mix2和华为mate10,你打算入手哪一部?
Arm NN：在移动和嵌入式设备上无缝构建和运行机器学习应用程序
有毒气体报警器应该如何使用
AMD RX 6000系列显卡今天终于开始解禁上市
浅析curvelet变换原理与理解
低功耗MSP430数据采集系统的USB接口设计
创造Wi-Fi漫游商机 无线宽频联盟启动ICP
ADC失调误差和传递函数
江智机器人2023年投入300万助力大型机器人及自动驾驶装备外壳市场化发展
未来五年，整个ToB市场仍然将每年保持35%以上增长速度
颠覆5G技术的是一项怎样的技术
为什么pcb抄板饱受争议
SK海力士收购英特尔NAND闪存及存储业务
如何在dart实例化类class
区块链能解决农业领域的许多问题
射频前端模组化之路怎么走？