近期，RISC-V SIG 完成了 Arm NN 在 openEuler Embedded 系統(tǒng)的適配，于 2023 年 1 月合入系統(tǒng)構(gòu)建工程代碼庫，經(jīng)測試驗證可用，實現(xiàn)了神經(jīng)網(wǎng)絡加速庫在 openEuler Embedded 嵌入式系統(tǒng)上的加速和優(yōu)化。

系統(tǒng)構(gòu)建工程下載地址：https://gitee.com/openeuler/yocto-meta-openeuler

支持 Arm NN 的 openEuler Embedded 系統(tǒng)已向社區(qū)開放

openEuler Embedded 是基于 openEuler 社區(qū)面向嵌入式場景的 Linux 版本，由于嵌入式系統(tǒng)應用受到多個因素的約束，如資源、功耗、多樣性等， 所以通過嵌入式處理器內(nèi)核進行機器學習成為了技術(shù)發(fā)展需要，ARM 推出 Arm NN 加速庫就是解決方法之一，將機器學習運用到嵌入式系統(tǒng)中。提供高性能神經(jīng)網(wǎng)絡推理能力，支持邊、端協(xié)同工作，提升資源利用率。

目標檢測是在嵌入式平臺上運行機器學習的工作負載之一

以目標檢測為示例，驗證 ArmNN 的推理加速效果：

模型：yolov3 tiny（FLOAT32 量化）

訓練數(shù)據(jù)：COCO

測試數(shù)據(jù)：640*480 H264 視頻

通過實驗證明，在精度損失可接受范圍內(nèi)，Arm NN 加速可達到百倍的性能提升。如下圖所示，其中橫軸表示檢測圖片序號，縱軸表示推理耗時（單位：us）：

注：musl-ref 是指基于 MuslC 的 Openeuler Embedded 且不做任何加速，musl-acc 是指基于的 Openeuler Embedded 且使能 ArmNN 的指令加速和優(yōu)化。

為了適配 openEuler Embedded 系統(tǒng)， Arm NN 軟件需兼容 yocto-meta-openeuler，并在上做了很多準備工作，如 tensorflow 的適配，Compute Library 的適配，flatbuffers 的使用等。openEuler Embedded Arm NN 的構(gòu)建代碼位于 meta-openeuler/recipes-arm 層上，社區(qū)開發(fā)者可根據(jù)需要自行構(gòu)建 ArmNN 軟件。

Arm NN：融合主流神經(jīng)網(wǎng)絡框架，為用戶提供高效的 AI 應用平臺

Arm NN SDK 是一套開源 Linux 軟件和工具，支持在高能效的設備上運行機器學習工作負載。它橋接了現(xiàn)有神經(jīng)網(wǎng)絡框架與高能效的 Arm Cortex CPUs、Arm Mali GPU 或 Arm 機器學習處理器。

Arm NN 填補了現(xiàn)有 NN 框架和底層 IP 之間的空白。它可以幫助 TensorFlow 和 Caffe 等現(xiàn)有神經(jīng)網(wǎng)絡框架實現(xiàn)高效轉(zhuǎn)換，并在 Arm Cortex CPU 和 Arm Mali GPU 上高效運行，無需修改。

主要優(yōu)勢

更輕松地在嵌入式系統(tǒng)上運行 TensorFlow 和 Caffe；

Compute Library 內(nèi)部的一流優(yōu)化函數(shù)，讓用戶充分發(fā)揮底層平臺的強大性能；

無論面向何種內(nèi)核類型，編程模式都是相同的；

現(xiàn)有軟件能夠自動利用新硬件特性；

作為開源軟件，能夠相對簡單地進行擴展，從而適應 Arm 合作伙伴的其他內(nèi)核類型。

Arm NN 為 openEuler Embedded 系統(tǒng)帶來人工智能的新活力

Arm NN 為 openEuler Embedded 提供全系統(tǒng)的神經(jīng)網(wǎng)絡優(yōu)化方案，支持在高能效的設備上運行機器 學習工作負載。為了充分利用不同平臺的軟硬件特性，在 Linux 系統(tǒng)上提供 ARM CPU 上的神經(jīng)網(wǎng)絡加速能力，使用硬件指令加速庫接口，使其面向目標硬件。目前，Arm NN 軟件庫在 openEuler Embedded 系統(tǒng)上的適配工作基本完成， RISC-V SIG 也將持續(xù)研發(fā)更多新功能，并移植最新的 openEuler Embedded 系統(tǒng)鏡像。為了加快 openEuler Embedded 系統(tǒng)人工智能應用場景落地，我們誠邀感興趣的朋友和測試志愿者加入并下載開發(fā)版鏡像，共同探索并解決可能存在的問題，推動 openEuler 人工智能開發(fā)生態(tài)的繁榮發(fā)展！

審核編輯 ：李倩