Project Icon

ComputeLibrary

优化Arm架构的开源机器学习函数库

ComputeLibrary是一个专为Arm架构优化的机器学习函数库,支持Cortex-A、Neoverse处理器和Mali GPU。它提供100多个低级机器学习函数,覆盖多种数据类型和卷积算法,并采用微架构优化、内核融合等先进技术。作为开源项目,ComputeLibrary具有高性能、高度可配置的特点,为Arm平台的机器学习应用开发提供了强大支持。

⚠ 弃用通知 24.01公告:未来的版本中,将逐步从代码库中移除NCHW数据格式特定的优化。这意味着用户需要将NCHW模型转换为NHWC格式,以便从优化中受益。




计算库

计算库是一系列为Arm® Cortex®-A、Arm® Neoverse®和Arm® Mali™ GPU架构优化的低级机器学习函数集合。

与其他开源替代方案相比,该库提供更出色的性能,并能立即支持新的Arm®技术,如SVE2。

主要特点:

  • 基于宽松的MIT许可证的开源软件
  • 提供100多种用于CPU和GPU的机器学习函数
  • 多种卷积算法(GeMM、Winograd、FFT、直接和间接GeMM)
  • 支持多种数据类型:FP32、FP16、INT8、UINT8、BFLOAT16
  • 关键机器学习原语的微架构优化
  • 高度可配置的构建选项,实现轻量级二进制文件
  • 先进的优化技术,如内核融合、快速数学启用和纹理利用
  • 使用OpenCL调谐器和GeMM优化启发式方法进行设备和工作负载特定的调优


文档

文档

注意:文档包括参考API、更新日志、构建指南、贡献指南、勘误表等。


预构建二进制文件

所有二进制文件可以从这里或下方表格下载。


平台操作系统发布归档(下载)
树莓派 4Linux® 32位
树莓派 4Linux® 64位
Odroid N2Linux® 64位
HiKey960Linux® 64位

架构操作系统发布归档(下载)
armv7Linux®
arm64-v8aAndroid™
arm64-v8aLinux®

更多预构建二进制文件请参考以下链接:

预构建二进制文件使用以下与安全性/良好编码实践相关的标志生成:

-Wall, -Wextra, -Wformat=2, -Winit-self, -Wstrict-overflow=2, -Wswitch-default, -Woverloaded-virtual, -Wformat-security, -Wctor-dtor-privacy, -Wsign-promo, -Weffc++, -pedantic, -fstack-protector-strong

支持的架构/技术

  • Arm® CPU:

    • 使用Arm® Neon™技术的Arm® Cortex®-A处理器系列
    • Arm® Neoverse®处理器系列
    • 使用Arm® Neon™技术的Armv8-R AArch64架构的Arm® Cortex®-R处理器系列
    • 使用Arm® Neon™技术的Arm® Cortex®-X1处理器
  • Arm® Mali™ GPU:

    • Arm® Mali™-G处理器系列
    • Arm® Mali™-T处理器系列
  • x86


支持的系统

  • Android™
  • 裸机
  • Linux®
  • OpenBSD®
  • macOS®
  • Tizen™

## 资源 - [教程:在树莓派上使用Compute Library运行AlexNet](https://community.arm.com/processors/b/blog/posts/running-alexnet-on-raspberry-pi-with-compute-library) - [Gian Marco关于优化嵌入式深度学习推理软件性能分析的演讲](https://www.embedded-vision.com/platinum-members/arm/embedded-vision-training/videos/pages/may-2019-embedded-vision-summit) - [Gian Marco在EVS上关于使用Winograd算法优化CNN的演讲](https://www.embedded-vision.com/platinum-members/arm/embedded-vision-training/videos/pages/may-2018-embedded-vision-summit-iodice) - [Gian Marco关于使用SGEMM和FFT加速深度学习的演讲](https://www.embedded-vision.com/platinum-members/arm/embedded-vision-training/videos/pages/may-2016-embedded-vision-summit-iodice)

实验性构建

⚠ 重要提示 Bazel和CMake构建是实验性的仅支持CPU的构建,更多详情请参阅文档


如何贡献

我们非常欢迎对Compute Library的贡献。如果您有兴趣贡献,请查看我们的贡献指南

开发者原创声明(DCO)

在Compute Library接受您的贡献之前,您需要证明其来源并给予我们许可。为了管理这个过程,我们使用开发者原创声明(DCO)V1.1 (https://developercertificate.org/)

为表明您同意DCO的条款,您需要在每个git提交消息中添加一行包含您的姓名和电子邮件地址的"签署"信息:

Signed-off-by: 约翰·多伊 <john.doe@example.org>

您必须使用真实姓名,不接受匿名或使用假名的贡献。

公共邮件列表

对于技术讨论,ComputeLibrary项目有一个公共邮件列表:acl-dev@lists.linaro.org 无论是Arm内部还是外部的任何人都可以自由订阅该列表。要订阅,请访问以下网站: https://lists.linaro.org/mailman3/lists/acl-dev.lists.linaro.org/


许可和贡献

本软件采用MIT许可证提供。对该项目的贡献也接受相同的许可。

其他项目

本项目包含来自其他项目的代码,如下所列。这些源文件中包含原始许可文本。

  • OpenCL头文件库采用Apache License 2.0版许可,这是一个与MIT许可兼容的宽松许可。

  • half库采用MIT许可。

  • libnpy库采用MIT许可。

  • stb图像库采用MIT许可或属于公共领域。本项目根据MIT许可条款使用它。


商标和版权

Android是Google LLC的商标。

Arm、Cortex、Mali和Neon是Arm Limited(或其子公司)在美国和/或其他地区的注册商标或商标。

Bazel是Google LLC在美国和其他国家注册的商标。

CMake是Kitware, Inc.在美国和其他国家注册的商标。

Linux®是Linus Torvalds在美国和其他国家的注册商标。

Mac和macOS是Apple Inc.在美国和其他国家注册的商标。

Tizen是Linux基金会的注册商标。

Windows®是微软公司集团的商标。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号