Linux(ARM) 工程示例 多种应用场景 1. 图像分类 2. 物体检测 Linux(ARM) demo部署方法 使用C++接口预测 使用Python接口预测 Linux(ARM) 工程示例 多种应用场景 我们提供Paddle-Lite示例工程Paddle-Lite-Demo ，其中包含Android 、iOS 和Armlinux...

C++ Train Demo Introduction Requirements Quick start Step1 build paddle-lite Step2 编译lr_trainer Step3 download model and run it! 更多细节 与Paddle训练结果做校对 前10个Loss值 Loss 曲线 ...

iOS 工程示例 多种应用场景 1. 图像分类 2. 物体检测 iOS demo部署方法 iOS demo结构讲解 代码讲解 （如何使用Paddle-Lite C++ API 执行预测） iOS 工程示例 多种应用场景 我们提供Paddle-Lite示例工程Paddle-Lite-Demo ，其中包含Android 、iOS 和Arm...

iOS 工程示例 多种应用场景 1. 图像分类 2. 物体检测 iOS demo部署方法 iOS demo结构讲解 代码讲解 （如何使用Paddle-Lite C++ API 执行预测） iOS 工程示例 多种应用场景 我们提供Paddle-Lite示例工程Paddle-Lite-Demo ，其中包含Android 、iOS 和Arm...

端侧部署 1. 准备环境 运行准备 1.1 准备交叉编译环境 1.2 准备预测库 2 开始运行 2.1 模型优化 2.2 与手机联调 端侧部署 本教程将介绍基于Paddle Lite 在移动端部署PaddleOCR超轻量中文检测、识别模型的详细步骤。 Paddle Lite是飞桨轻量化推理引擎，为手机、IOT端提供高效推理能力，并...

新增硬件 背景 意义 PaddleLite是如何工作的？ 硬件接入方式 算子Kernel接入方式 子图接入方式 代码提交、Review、合入机制、CI机制 硬件接入完成标志 新增硬件 背景 深度学习技术在安防、交通、医疗、工业制造等行业获得了较广泛的应用，为了满足实际需求，越来越多算力更高、功耗更低的专用硬件被研发出来投向市场，...

支持硬件 ARM CPU 32bit(ARMv7a) 64bit(ARMv7a, ARMv8a) 移动端GPU FPGA 百度 (Baidu) XPU 华为 (Huawei) NPU 瑞芯微 (Rockchip) NPU 英特尔 (Intel) FPGA 联发科 (MediaTek) APU 颖脉 (Imagination) NNA ...

源码编译 (iOS) 编译结果 编译命令 源码编译 (iOS) Paddle Lite提供了iOS平台的官方Release预测库下载，我们优先推荐您直接下载Paddle Lite预编译库 。 注意： 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考re...

支持硬件 ARM CPU 32bit(ARMv7a) 64bit(ARMv7a, ARMv8a) 移动端GPU FPGA 百度 (Baidu) XPU 华为 (Huawei) NPU 瑞芯微 (Rockchip) NPU 联发科 (MediaTek) APU 颖脉 (Imagination) NNA 支持硬件 ARM CPU ...

动态离线量化完整示例 1 Paddle 产出量化模型 1.1 环境准备 1.2 产出量化模型 2 Paddle-Lite 部署量化模型 2.1 环境准备 2.2 模型优化 2.3 编译Android预测库和示例 2.4 执行示例 动态离线量化完整示例 本章节介绍使用动态离线量化方法产出量化模型，使用Paddle-Lite加载量化模型进...