如何把电脑训练好的神经网络移植到app上
1个回答
2016-03-08 · 百度知道合伙人官方认证企业
育知同创教育
1【专注:Python+人工智能|Java大数据|HTML5培训】 2【免费提供名师直播课堂、公开课及视频教程】 3【地址:北京市昌平区三旗百汇物美大卖场2层,微信公众号:yuzhitc】
向TA提问
关注
展开全部
有两个思路。
一个online方式:
移动端做初步预处理,把数据传到服务器执行深度学习模型,现在很多APP都是这个思路, 优点是这个方式部署相对简单,现成的框架(caffe,theano,mxnet,Torch) 做下封装就可以直接拿来用,服务器性能大, 能够处理比较大的模型,缺点是必须联网。
另外一种是offline方式:
根据硬件的性能,部署适当的模型。优点是可以离线执行。缺点也是明显的,1)受限硬件,可能要运行个阉割版的模型 ,对模型精度会有一定的影响; 2) 要移植现成框架到移动平台比较麻烦, 各种依赖的剥离很痛苦,mxnet有个Android app的例子(Leliana/WhatsThis · GitHub), Torch 7也个Android版本soumith/torch-android · GitHub,可以参考下,当然如果编程能力强的话,自己写个网络前传的代码。
一个online方式:
移动端做初步预处理,把数据传到服务器执行深度学习模型,现在很多APP都是这个思路, 优点是这个方式部署相对简单,现成的框架(caffe,theano,mxnet,Torch) 做下封装就可以直接拿来用,服务器性能大, 能够处理比较大的模型,缺点是必须联网。
另外一种是offline方式:
根据硬件的性能,部署适当的模型。优点是可以离线执行。缺点也是明显的,1)受限硬件,可能要运行个阉割版的模型 ,对模型精度会有一定的影响; 2) 要移植现成框架到移动平台比较麻烦, 各种依赖的剥离很痛苦,mxnet有个Android app的例子(Leliana/WhatsThis · GitHub), Torch 7也个Android版本soumith/torch-android · GitHub,可以参考下,当然如果编程能力强的话,自己写个网络前传的代码。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询