小米开源AI框架MACE觉得可行吗？ - 问答

笑解恨

最佳回答

有新开源代码当然是好事，手机端还是比较奢侈的。希望这个框架坑少一点、小一点，好能把更多的模型算法顺利地移植过来，好能进一步自动化剪枝、量化，进一步自动化知识蒸馏。在嵌入式端跑更多的算法，实现更多的功能。

发布于 2018.07.08

100

更多回答

海风起

现在移动端的芯片有很多种，高通骁龙系列，小米澎湃芯片，MTK，华为海思，各个SOC厂商所采用的技术又不尽相同，这对于APP的开发者来说是烦的。从一个APP开发者的角度出发，我们希望能够有类似JAVA这样(build once，run anywhere)的框架能够屏蔽掉硬件层次的差异，这样能够带来极大的便利。目前各SOC基本上都有CPU和GPU，GPU对于神经网络运算的加速又是卓有成效的，所以要充分利用手机的硬件能力加速神经网络的速度，GPU是必不可少的。

发布于 2018.07.08

老不舍

小米的主要优势在于自己有设备平台，场景充分数据量大。注意到小米主要做的是框架，方便算法开发，自己本身的算法研发应该不多。简单罗列一下：1. 基于自家平台，适配性好。移动端轻量算法在性能上不太受挚肘。2. 落地方便迅速，生活场景应用广泛。框架内实现的算法和工具可以快速落地到用户的手机端，实现反馈循环快，且可以在各种生活场景中出现：面部识别、家居电器管理、消费娱乐推荐等等。3. 数据充足。这个优势非常大，目前很多算法难以落地原因是没有数据支撑。手机上在协议内的合法数据不计其数，而且高度定制化，多样性很高，利于模型成长，也就是说从开发到应用在软件中非常快。能想到的劣势有：1. 移动端毕竟是移动端，机能会受限。手机cpu和gpu用在给定模型预测上可能绰绰有余，但是大功率进行模型训练会发热影响正常使用不现实，机器学习应用上只能把产出放到手机上。2. 场景过于生活化，过于依赖实用性。比如手机用户往往只关注实用的应用，比如下棋ai、面部识别比对等。诸如物体识别、色情识别等等大型项目的模块型应用，难以普及到用户（没有人会用软件来做这种事），这种应用就很难得到反馈。综上，从框架优化到泛化成完整的人工智能落地渠道，还有路要走。当然开源是个很聪明和受欢迎的办法，人工智能产学研都有着开源的传统，已经迈出了一步。

发布于 2018.07.06

偷心人

说实在的，今天搞了一天。感觉就是个半成品，大部分代码都是stolen from Tensorflow, borrowed From Google之类的。build 跑不起来，各种奇葩问题，文档写得简直是天书一样。浪费一天时间，还是好好搞TensorFlow去吧。

发布于 2018.07.05