导言android
Mobile AI Compute Engine (MACE) 是一个专为移动端异构计算平台优化的神经网络计算框架。MACE 支持 TensorFlow 和 Caffe 模型，提供转换工具，能够将训练好的模型转换成专有的模型数据文件，同时还能够选择将模型转换成C++代码，支持生成动态库或者静态库，提升模型保密性。git
Mobile AI Compute Engine (MACE) github
Mobile AI Compute Engine (MACE) 是一个专为移动端异构计算平台优化的神经网络计算框架。主要从如下的角度作了专门的优化：算法
性能api
代码通过NEON指令，OpenCL以及Hexagon HVX专门优化，而且采用 Winograd算法来进行卷积操做的加速。 此外，还对启动速度进行了专门的优化。数组
功耗微信
支持芯片的功耗管理，例如ARM的big.LITTLE调度，以及高通Adreno GPU功耗选项。网络
系统响应架构
支持自动拆解长时间的OpenCL计算任务，来保证UI渲染任务可以作到较好的抢占调度， 从而保证系统UI的相应和用户体验。框架
内存占用
经过运用内存依赖分析技术，以及内存复用，减小内存的占用。另外，保持尽可能少的外部 依赖，保证代码尺寸精简。
模型加密与保护
模型保护是重要设计目标之一。支持将模型转换成C++代码，以及关键常量字符混淆，增长逆向的难度。
硬件支持范围
支持高通，联发科，以及松果等系列芯片的CPU，GPU与DSP(目前仅支持Hexagon)计算加速。 同时支持在具备POSIX接口的系统的CPU上运行。
地址：https://github.com/XiaoMi/mace
MACE 文档
连接: https://mace.readthedocs.io/en/latest/
打开MACE 在线文档网页，引入眼帘的是：
Getting started
Development
FAQ
这里简单介绍一下Getting started中的Introduction内容：
移动AI计算引擎（MACE）是一种针对移动异构计算平台优化的深度学习推理框架。 下图显示了总体架构。
模型格式（Model format）
MACE定义了与Caffe2相似的自定义模型格式。MACE模型能够由TensorFlow和Caffe的导出模型转换。YAML文件用于描述模型部署详细信息。在下一章中，有详细的指导说明如何建立这个YAML文件。
模型转换（Model conversion）
目前，咱们为TensorFlow和Caffe提供模型转换器。将来将支持更多框架。
模型加载（Model loading）
MACE模型格式包含两部分：模型图定义和模型参数张量。图形部分使用协议缓冲区进行序列化。全部模型参数张量一块儿链接成一个连续的字节数组，咱们在下面的段落中称这个数组张量数据（array tensor data）。在模型图中，记录张量数据偏移和长度。
模型能够经过3种方式加载：
模型图和张量数据都是外部动态加载的（默认状况下，来自文件系统，但用户能够自由选择本身的实现，例如，使用压缩或加密）。这种方法提供了最大的灵活性，但倒是最薄弱的模型保护。
模型图和张量数据都转换为C++代码并经过执行编译的代码加载。这种方法提供了最强大的模型保护和最简单的部署。
模型图转换为C++代码并构造为第二种方法，张量数据做为第一种方法在外部加载。
MACE Model Zoo
随着MACE一块儿开源的还有MACE Model Zoo项目，目前包含了物体识别，场景语义分割，图像风格化等多个公开模型。
连接: https://github.com/XiaoMi/mace-models
打开上述连接看到下述画面，着实蛮震撼的！这里简单介绍一下部分现有的model：
CNN
inception-v1-v2-v3
resnet-v2-50
vgg16
mobilenet-v1-v2（轻量级）
squeezenet（轻量级）
图像分割
deeplab-v3-plus
MACE Demo
MACE 目前还提供了Android的示例程序，你们能够下载编译好的APK文件进行安装，快速感觉一下MACE的魅力。
连接: https://cnbj1.fds.api.xiaomi.com/mace/demo/mace_android_demo.apk
Amusi 这不立刻就下载好，测试感觉一下，下面是测试结果。
Refrigerator
Laptop
Amusi 我的以为识别率通常般，并且是只输出Top1的结果。识别速度嘛，还能够吧，毕竟是魅族Mx6上跑CPU模式。若是换上骁龙845处理器的手机，应该...
如何评价小米开源的移动端深度学习框架MACE？
小米忽然开源了自家的深度学习框架，是否是在为“上市”作准备呢？
让咱们看一下知乎上大佬们怎么看待这个事件？
截止2018-06-29，只有两我的回答了该问题，你们的反映并非很热烈，也许知道这件事情的人很少吧。但 Amusi 以为MACE的出现，仍是一件颇有意义的事情，国内能作深度学习框架开源的公司真很少！
（舒适提示）国内有自研开源深度学习框架的公司有：
PaddlePaddle（百度）
Angel（腾讯）
Other
小米开源MACE，这绝对是一件很正能量的事情，工业界和学术界都应该鼓励和支持！就如左上角所示，有222位关注者，也说明了你们对这件事情的期待。
连接: https://www.zhihu.com/question/283030623
若喜欢“深度学习与神经网络”推送的文章，请扫描下方二维码关注公众号！
您好，欢迎关注深度学习与神经网络。本公众号会按期推送深度学习的教程以及人工智能最新发展状况。感谢你们的支持！
回复“教程”能够看到最新的深度学习教程。
回复“加群”能够加入深度学习交流群。
投稿或合做请加微信：sdxxqbf。
本文分享自微信公众号 - AI MOOC人工智能平台（AIMOOC_XLAB）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。