Paddle-Lite-Demo

功能

iOS示例:
- 静态图像目标分类和视频流目标分类；
- 静态图像目标检测、相机拍照目标检测、相机视频流目标检测;
Android示例:
- 基于MobileNetV1的图像分类；
- 基于MobileNetV1-SSD的目标检测；

要求

iOS
- Mac机器，需要有xcode环境（已验证：Xcode Version 10.1 (10B61)
- 对于ios 12.x版本，如果提示“xxx. which may not be supported by this version of Xcode”，请下载对应的工具包, 下载完成后解压放到/Applications/Xcode.app/Contents/Developer/Platforms/iPhoneOS.platform/DeviceSupport目录，重启xcode
Android
- Android Studio 3.4
- Android手机或开发版，NPU功能暂时只在麒麟810和990芯片的华为手机（如Nova5系列）进行了测试，使用前请将EMUI更新到最新版本；

安装

$ git clone https://github.com/PaddlePaddle/Paddle-Lite-Demo

iOS
- 下载opencv framework, 下载完成后解压到ios-xxx_demo/xxx_demo/目录下
```
wget https://paddle-inference-dist.bj.bcebos.com/PaddleLiteDemo/opencv2.framework.zip
```
- 打开xcode，点击“Open another project…”打开Paddle-Lite-Demo/ios-xxx_demo/目录下的xcode工程；
- 在选中左上角“project navigator”，选择“classification_demo”，修改“General”信息；
- 插入ios真机（已验证：iphone8， iphonexr），选择Device为插入的真机；
- 点击左上角“build and run”按钮；
Android
- 打开Android Studio，在"Welcome to Android Studio"窗口点击"Open an existing Android Studio project"，在弹出的路径选择窗口中进入"PaddleLite-android-demo"目录，然后点击右下角的"Open"按钮即可导入工程
- 通过USB连接Android手机或开发板；
- 载入工程后，点击菜单栏的Run->Run 'App'按钮，在弹出的"Select Deployment Target"窗口选择已经连接的Android设备，然后点击"OK"按钮；
- 手机上会出现Demo的主界面，选择第一个"Image Classification"图标，进入基于MobileNetV1的图像分类示例程序；
- 在图像分类Demo中，默认会载入一张猫的图像，并会在图像下方给出CPU的预测结果，如果你使用的是麒麟810或990芯片的华为手机（如Nova5系列），可以在右上角的上下文菜单选择"Settings..."打开设置窗口切换NPU模型进行预测；
- 在图像分类Demo中，你还可以通过上方的"Gallery"和"Take Photo"按钮从相册或相机中加载测试图像；

更新到最新的预测库

Paddle-Lite项目：https://github.com/PaddlePaddle/Paddle-Lite
参考 Paddle-Lite文档，编译IOS预测库或者Android预测库
编译最终产物位于 build.lite.xxx.xxx.xxx 下的 inference_lite_lib.xxx.xxx

IOS更新预测库

替换库文件：产出的lib目录替换ios-classification_demo/classification_demo/lib目录
替换头文件：产出的include目录下的文件替换ios-classification_demo/classification_demo/paddle_lite目录下的文件

Android更新预测库

仅支持CPU
- 替换jar文件：将PaddleLite编译生成的build.lite.android.xxx.gcc/inference_lite_lib.android.xxx/java/jar/PaddlePredictor.jar替换demo中的PaddleLite-android-demo/app/libs/PaddlePredictor.jar
- 替换arm64-v8a jni库文件：将Paddle-Lite编译生成build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/java/so/libpaddle_lite_jni.so库替换demo中的PaddleLite-android-demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
- 替换armeabi-v7a jni库文件：将Paddle-Lite编译生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7/java/so/libpaddle_lite_jni.so库替换demo中的PaddleLite-android-demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
支持CPU和NPU
- 替换jar文件：将PaddleLite编译生成的build.lite.npu.android.xxx.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.xxx.npu/java/jar/PaddlePredictor.jar替换demo中的PaddleLite-android-demo/app/libs/PaddlePredictor.jar
- 替换arm64-v8a jni库文件：将Paddle-Lite编译生成build.lite.npu.android.armv8.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.armv8.npu/java/so/libpaddle_lite_jni.so库替换demo中的PaddleLite-android-demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
- 替换armeabi-v7a jni库文件：将Paddle-Lite编译生成的build.lite.npu.android.armv7.gcc.cxx_shared.tiny_publish/inference_lite_lib.android.armv7.npu/java/so/libpaddle_lite_jni.so库替换demo中的PaddleLite-android-demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
编译支持NPU的jni库，需要在Paddle-Lite源码下使用$ ./lite/tools/build_npu.sh --arm_abi=armv8 tiny_publish命令编译生成armv64-v8a的libpaddle_lite_jni.so，armeabi-v7a的libpaddle_lite_jni.so请将编译命令中的--arm_abi=armv8改为--arm_abi=armv7，但由于华为最新的DDK库并没有发布，可能无法完成相关编译工作，因此，如果想使用NPU功能，强烈建议使用demo中自带的libpaddle_lite_jni.so和HIAI DDK库；

效果展示

iOS
- mobilenetv1 目标分类
- mobilenetv1-ssd 目标检测
Android
- mobilenetv1 目标分类
  - CPU预测结果（测试环境：华为nova5）
  - NPU预测结果（测试环境：华为nova5）
- mobilenetv1-ssd 目标检测
  - CPU预测结果（测试环境：华为nova5）
  - NPU预测结果（测试环境：华为nova5）
  待支持

gfwm2013/Paddle-Lite-Demo

Paddle-Lite-Demo

功能

要求

安装

更新到最新的预测库

IOS更新预测库

Android更新预测库

效果展示