😏★,°:.☆(￣▽￣)/$:.°★ 😏
这篇文章主要介绍ncnn框架配置与使用。
无专精则不能成，无涉猎则不能通。——梁启超
欢迎来到我的博客，一起学习，共同进步。
喜欢的朋友可以关注一下，下次更新不迷路🥞
文章目录
- :smirk:1. ncnn介绍
- :blush:2. 环境配置
- :satisfied:3. 使用说明
😏1. ncnn介绍
项目Github地址：https://github.com/Tencent/ncnn
ncnn（Nebula Convolutional Neural Network）是一个高效、轻量级的深度学习框架，由Tencent开发。它专为移动设备和嵌入式系统设计，旨在提供快速、低功耗、小型的深度学习推理解决方案。
以下是 ncnn 的一些关键特点和优势：
1.轻量级和高效性能：ncnn 是一个轻量级的深度学习框架，可以在资源受限的设备上高效运行。它采用了一系列优化策略，包括定点化计算、内存管理、自动化并行和多线程等，以提供快速且高效的推理性能。
2.跨平台支持：ncnn 提供了广泛的跨平台支持，包括 Android、iOS、Windows、Linux 等多个操作系统。它还支持多种硬件平台，如 ARM、X86、MIPS 等，以及多个计算加速器，如 GPU、DSP 和 NPU。
3.易于集成：ncnn 提供了简洁的 C++ 接口，易于集成到现有项目中。它可以与各种主流的开发工具和库进行配合，如 OpenCV、TensorFlow Lite、ONNX 等，使开发人员能够更加灵活地使用深度学习模型。
4.丰富的模型支持：ncnn 支持多种深度学习模型的加载和推理，包括常见的卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。同时，ncnn 还提供了一些自带的模型，如 SqueezeNet、MobileNet、YOLO、FaceNet 等，可用于快速原型设计和开发。
5.开源框架：ncnn 是一个开源框架，源代码托管在 GitHub 上。这使得开发人员能够查看和修改源代码，以满足自己的需求，并享受来自全球社区的支持和贡献。
😊2. 环境配置
下面进行环境配置：
# 安装依赖
sudo apt-get install -y build-essential git cmake libprotobuf-dev protobuf-compiler libopencv-dev
# 源码安装
git clone https://github.com/Tencent/ncnn.git
cd ncnn
mkdir build
cd build
cmake ..
make
sudo make install
使用时，引用头文件：#include "net.h"
😆3. 使用说明
基础测试：
cd ../benchmark
cp ../build/benchmark/benchncnn . && ./benchmark
运行结果如下：
以上。
