技术特点 多硬件支持 高性能 量化支持 强大的图分析和优化能力 轻量级部署 可支持任意硬件的混合调度 技术特点 不同于普通的移动端预测基于类 Caffe 的架构，Lite 架构最早的设计目标来源于 Paddle Server 和 Mobile 两种场景的要求，其中 Server 端需要有完善的图分析和优化能力，而 Mobile 端要求有轻...

技术特点 多硬件支持 高性能 量化支持 强大的图分析和优化能力 轻量级部署 可支持任意硬件的混合调度 技术特点 不同于普通的移动端预测基于类 Caffe 的架构，Lite 架构最早的设计目标来源于 Paddle Server 和 Mobile 两种场景的要求，其中 Server 端需要有完善的图分析和优化能力，而 Mobile 端要求有轻...

技术特点 多硬件支持 高性能 量化支持 强大的图分析和优化能力 轻量级部署 可支持任意硬件的混合调度 技术特点 不同于普通的移动端预测基于类 Caffe 的架构，Lite 架构最早的设计目标来源于 Paddle Server 和 Mobile 两种场景的要求，其中 Server 端需要有完善的图分析和优化能力，而 Mobile 端要求有轻...

模型优化工具 opt 准备opt 使用opt 帮助信息 功能一：转化模型为Paddle-Lite格式 功能二：统计模型算子信息、判断是否支持 其他功能：合并x2paddle和opt的一键脚本 模型优化工具 opt Paddle-Lite 提供了多种策略来自动优化原始的训练模型，其中包括量化、子图融合、混合调度、Kernel优选等等方法。为...

C++ Demo 1. 下载最新版本预测库 2. 转化模型 3. 编写预测程序 4. 编译 5. 执行预测 注：如何在代码中使用 API 其他cxx_demo的编译与预期结果 Light API Demo 图像分类 Demo 目标检测 Demo light API Demo 运行结果 图像分类 Demo 运行结果 目标检测 Demo 运...

源码编译环境准备 1. Docker开发环境 2. Linux开发环境 准备Android交叉编译环境 准备ARM Linux编译环境 交叉编译ARM Linux 本地编译ARM Linux（直接在RK3399或树莓派上编译） 3. Mac OS开发环境 4. Windows开发环境 源码编译环境准备 Paddle Lite提供了An...

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，...

Release Notes 目录 重要更新 基础框架 预测引擎 服务器预测 移动端预测 部署工具 分布式训练 模型建设 工具组件 BUG修复 Release Notes 目录 重要更新 基础框架 安装 中间表达IR和Pass方面的优化 IO优化 执行优化 显存优化 完善CPU JITKernel Intel CPU底层...

源码编译环境准备 1. Docker开发环境 2. Linux开发环境 准备Android交叉编译环境 准备ARM Linux编译环境 交叉编译ARM Linux 本地编译ARM Linux（直接在RK3399或树莓派上编译） 3. Mac OS开发环境 4. Windows开发环境 源码编译环境准备 Paddle Lite提供了An...

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...