Android 开发高手课
张绍文
前微信高级工程师,Tinker 负责人
52723 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 62 讲
导读 (1讲)
模块一 高质量开发 (25讲)
Android 开发高手课
15
15
1.0x
00:00/00:00
登录|注册

39 | 移动开发新大陆: 边缘智能计算的趋势

算法技术
提高计算实时性的开发技术
学习算法技术
阅读学习NCNN开源框架
学习卷积神经网络的基础知识
模型压缩
轻量型网络设计
优化模型训练方式
优化算法设计
优化训练数据
YOLO、Faster R-CNN等物体检测算法
卷积神经网络
GPU加速
Int 8量化的方法
ARM NEON指令+汇编优化
NCNN
TensorFlow Lite
重点掌握的内容
学习路径
移动端机器学习的计算框架和算法
计算量优化
效果优化
算法设计
计算性能优化
计算框架
人工智能技术的迅速发展
边缘计算的重要性
5G网络的发展
Android开发同学的机会
移动端机器学习的算法技术
移动端机器学习的开发技术
移动端机器学习的趋势

该思维导图由 AI 生成,仅供参考

你好,我是张绍文。今天文章的作者黄振是算法领域的专家,过去曾经和他合作过移动端的 AI 项目,无论是他的算法水平,还是工程上的能力,都让我深感佩服。今天我非常幸运地请到他来给我们分享关于移动边缘智能计算的认识。
如果说过去几年移动开发是那头在风口上的猪,现在这个风口明显已经转移到 AI,最明显的是国内应届生都纷纷涌向了 AI 方向。那作为移动开发,我们如何在 AI 浪潮之下占据自己的一席之地?
以我个人看法来看,即使目前 AI 在移动端的落地场景有限,但是 AI 这个“坑”我们是一定要跳的。我们可以尝试使用 TensorFlow 这些框架去做一些简单的 Demo,逐步加深对深度学习的理解。
Google 的TensorFlow Lite、Facebook 的Cafe2、腾讯的NCNNFatherCNN、小米的MACE、百度的Paddle-Mobile,各个公司都开源了自己的移动深度学习框架。移动端未来必然是深度学习一个非常重要的战场,移动开发们需要发挥自己的平台特长。我们对于这些移动深度学习框架的优化应该更有发言权,要做到既有算法思维,也有更加强大的工程能力。就像之前黄振合作的项目中,整个框架的性能优化也是由我们来主导,使用了大量 ARM NEON 指令和汇编进行优化。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

移动端机器学习技术的发展正处于边缘智能计算和人工智能技术迅速发展的趋势之中。随着5G网络的发展和物联网时代的到来,边缘计算将扮演重要角色,而人工智能技术的迅速发展也将推动边缘智能计算的需求。移动端机器学习的应用技术主要集中在图像处理、自然语言处理和语音处理等领域,包括视频图像的物体检测、语言翻译、语音助手等应用。为了提高移动端开发和模型部署的效率,各大厂商都开发了移动端深度学习的计算框架,例如TensorFlow Lite和Caffe2等。在实际项目中,性能优化是关键,可以采用ARM NEON指令+汇编进行优化,甚至应用Int 8量化的方法来提高计算性能。此外,如果设备具有GPU,还可以应用OpenCL进行GPU加速。这些技术的应用将对移动端机器学习的发展产生重要影响,为读者提供了深入了解和掌握这一领域的机会。移动端机器学习的计算框架和算法,前者负责模型计算的性能,减少时间开销;后者主要负责模型的精度,还可以通过一些算法设计减少算法的计算量,从而达到减少时间开销的目的。 Android开发同学可以发挥自己的技术专业优势,先在边缘计算的终端设备程序开发中站稳脚跟,在未来的技术分工体系中有个坚固的立足点;同时,逐步学习深度学习算法,以备将来往前迈一步,进入边缘智能计算领域,创造更高的技术价值。 对于学习路径,Android开发同学可以先学习卷积神经网络的基础知识(结构、训练和前向计算),然后阅读学习NCNN开源框架,掌握计算性能的优化方法,把开发技术掌握好。同时,可以逐步学习算法技术,主要学习各种常见的深度学习算法模型,并重点学习近几年出现轻量型神经网络算法。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《Android 开发高手课》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(15)

  • 最新
  • 精选
  • moluren
    文章最后的图片中的计算框架是不是要加入MACE,对了解移动端的异构计算很有帮助?

    作者回复: 技术日新月异,可能不一定可以搞全

    2019-04-22
    2
  • 长街
    有没有相关书籍推荐呢?

    作者回复: 网上开源的框架和资料还是比较多的,可以先从基础知识和这些框架入手

    2019-04-22
  • Z
    赞一个,tf刚出就比较关注,很看好移动端和机器学习的结合

    作者回复: 是的,这一块各大厂尝试会越来越多,从Google I/O和F8会议日程就可以看出来

    2019-04-06
  • 聂旋
    说白了, 数据不全就是瞎扯,这个技术火起来就是因为有了一个比较好的图片库。 之前有人说,计算机技术可以改变世界, 然而 这世道越来越难混, 官僚还是官僚,有个屁的改变。 一个技术,就是混口饭吃的 工具。 技术换了折磨多年,程序员换了一波又一波,大家也就混口饭吃。 不要做技术吹,也不要神话技术。 平常心看技术。
    2021-08-24
    2
    3
  • 山鬼
    2019-04-12
    1
  • archmageforac
    请问:移动端机器学习的技术大图中,计算性能优化里的低精度矩阵运算,有详细介绍资料吗? 我只找到了一篇https://blog.csdn.net/yunqiinsight/article/details/80163734,里面提到了低精度矩阵计算工具AliNN&BNN,但没有进一步搜索到AliNN的相关介绍,BNN(这里B是Binary而不是Bayesian吧?)也没找到中文资料,英文资料也比较少。
    2022-02-23
  • 文培定
    看了之后再次后悔做应用,应用常被说一套经验用了N年,但你有听说做底层驱动的被说这样的话吗?
    2021-05-11
  • 无悔
    请问一下,因为感觉开发AI比较重视学历,所以是不是留在移动端并往AI应用方向相结合会好点?这样应该怎么做?文章最后说的计算框架和计算性能优化,是移动端开发负责这一块吗?(之前有看过人工智能的课程)还有必要深入学习深度学习吗?一直挺疑惑的.
    2020-03-27
  • 林哥
    真棒
    2019-10-25
  • 瞬间
    最近感觉遇到瓶颈了,这才发现开阔的眼界很重要,想请教下作者,如何拓宽自己的眼界呢?有哪些博客、新闻网站、官方日志等信息渠道可以分享么?想拓宽一下自己获取信息的渠道。
    2019-07-30
收起评论
显示
设置
留言
15
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部