嵌入式AI快訊：移植ncnn到RISC-V TF Object Detection支持TF2

1. NanoDet：輕量級(jí)（1.8MB）、超快速（移動(dòng)端97fps）目標(biāo)檢測(cè)項(xiàng)目

近日，GitHub 上出現(xiàn)了一個(gè)項(xiàng)目 nanodet，它開源了一個(gè)移動(dòng)端實(shí)時(shí)的 Anchor-free 檢測(cè)模型，希望能夠提供不亞于 YOLO 系列的性能，而且同樣方便訓(xùn)練和移植。該項(xiàng)目上線僅兩天，Star 量已經(jīng)超過(guò) 200。 NanoDet 是一個(gè)速度超快和輕量級(jí)的移動(dòng)端 Anchor-free 目標(biāo)檢測(cè)模型。該模型具備以下優(yōu)勢(shì)：

超輕量級(jí)：模型文件大小僅 1.8m；

速度超快：在移動(dòng) ARM CPU 上的速度達(dá)到 97fps（10.23ms）；

訓(xùn)練友好：GPU 內(nèi)存成本比其他模型低得多。GTX1060 6G 上的 Batch-size 為 80 即可運(yùn)行；

方便部署：提供了基于 ncnn 推理框架的 C++ 實(shí)現(xiàn)和 Android demo。

2. 不到1000行代碼，GitHub 2000星，天才黑客開源深度學(xué)習(xí)框架tinygrad

在深度學(xué)習(xí)時(shí)代，谷歌、Facebook、百度等科技巨頭開源了多款框架來(lái)幫助開發(fā)者更輕松地學(xué)習(xí)、構(gòu)建和訓(xùn)練不同類型的神經(jīng)網(wǎng)絡(luò)。而這些大公司也花費(fèi)了很大的精力來(lái)維護(hù) TensorFlow、PyTorch 這樣龐大的深度學(xué)習(xí)框架。 最近，天才黑客 George Hotz 開源了一個(gè)小型深度學(xué)習(xí)框架 tinygrad，兼具 PyTorch 和 micrograd 的功能。tinygrad 的代碼數(shù)量不到 1000 行，目前該項(xiàng)目獲得了 GitHub 2000 星。 「tinygrad 可能不是最好的深度學(xué)習(xí)框架，但它確實(shí)是深度學(xué)習(xí)框架。」 George 在項(xiàng)目中保證，tinygrad 代碼量會(huì)永遠(yuǎn)小于 1000 行。

3. TF Object Detection 終于支持TF2了！

一直以來(lái)，大家最常用的目標(biāo)檢測(cè)庫(kù)是港中文的mmdetection和Facebook的detectron2庫(kù)，不過(guò)這兩個(gè)庫(kù)都是基于PyTorch的，PyTorch的模型部署方面還是稍差于TensorFlow，如果想用TensorFlow的目標(biāo)檢測(cè)模型，最好的還是選擇還是谷歌官方的TF Object Detection庫(kù)。 目前隨著TensorFlow 2x的到來(lái)，TFObject Detection庫(kù)也支持TF2了，而且最重要的是還兼容TensorFlow 1.x，這真是非常nice。不過(guò)官方還是建議大家使用最新的TF2來(lái)訓(xùn)練模型。 除此之外，TF2也新增了更多的模型如CenterNet和EfficientDet

4. 價(jià)值百萬(wàn)的AI開源項(xiàng)目！涵蓋OCR、目標(biāo)檢測(cè)，NLP，語(yǔ)音合成多方向

今天小編為大家推薦一個(gè)相當(dāng)牛逼的項(xiàng)目， 粗略估計(jì)，這個(gè)項(xiàng)目?jī)r(jià)值超過(guò)百萬(wàn)當(dāng)前star 1.9k，但是大膽預(yù)判， 這個(gè)項(xiàng)目肯定要火，未來(lái)Star數(shù)應(yīng)該可以到10k甚至20k！首先，“無(wú)需深度學(xué)習(xí)背景、無(wú)需數(shù)據(jù)與訓(xùn)練過(guò)程”，“共享人工智能時(shí)代紅利”以及“全部模型開源下載，離線可運(yùn)行” 包含文本識(shí)別、人臉檢測(cè)、圖像編輯、目標(biāo)檢測(cè)等方向。我只能說(shuō)， 這個(gè)repo，伸手黨福音!

5. 新晉網(wǎng)紅Pytorch教程，3個(gè)月GitHub斬獲900星，趨勢(shì)榜日榜排名24

如果之前有了解過(guò)這個(gè)爆火的項(xiàng)目《30天吃掉那只TensorFlow2.0》，相信對(duì)該篇教程不會(huì)陌生，這就是他的姊妹篇《20天吃掉那只Pytorch》。 自從上次《30天吃掉那只TensorFlow2.0》一炮而紅之后，他又加班加點(diǎn)寫了《20天吃掉那只Pytorch》，項(xiàng)目完成4個(gè)月，已經(jīng)在GitHub斬獲了1800+ Star，還有幸登上過(guò)GitHub全站趨勢(shì)榜24名 兩個(gè)項(xiàng)目還是相同的配方，還是熟悉的味道~

6. 我把 ncnn 移植到 RISC-V 啦！

up把 ncnn 移植到 RISC-V 啦！ RISC-V，我喜歡縮寫成 riscv，能少按一次 shift 和減號(hào)，是一個(gè)基于精簡(jiǎn)指令集（RISC）原則的開源指令集架構(gòu)（ISA）。作為完全開源的指令集，天生自帶開源的光環(huán)基因，縱使當(dāng)今 x86 ARM 幾乎絕對(duì)市場(chǎng)壟斷，依然生機(jī)勃勃，持續(xù)發(fā)展著。 如果要問(wèn)我，為什么要把 ncnn 移植到 riscv 上面跑？那就是開源文化基因的力量，英文單詞 meme 的魔法 其實(shí)移植過(guò)程中還是踩了一些坑的，感謝中科院軟件所智能軟件研究中心的大佬熱心解答我的提問(wèn)。

（來(lái)源：綜合自 GitHub RT-Thread）

原文標(biāo)題：【20201127期嵌入式AI周報(bào)】NanoDet 目標(biāo)檢測(cè)模型、移植 ncnn到 RISC-V等！

文章出處：【微信公眾號(hào)：RTThread物聯(lián)網(wǎng)操作系統(tǒng)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。