【亲测免费】 ArmNN 深度学习框架搭建与使用教程

1. 项目目录结构及介绍

在 ArmNN 的源代码仓库中，典型的目录结构如下：

armnn
├── src                # 主要源代码目录，包含了 ArmNN 库的核心实现
│   ├── Backends       # 后端实现，如 CUDA、Ethos-N NPUs 和 ACL 等
│   ├── Include        # 公共头文件，供外部项目引用
│   └── Tests          # 测试代码和数据
├── samples            # 示例程序，用于演示 ArmNN 的使用
├── tools              # 工具和脚本，例如模型转换器
└── CMakeLists.txt     # CMake 构建系统配置文件

• src: 包含 ArmNN 库的核心代码，按功能模块划分。
• Backends: 不同硬件后端的实现，如 Arm 的 GPU（Mali）和 NPUs（Ethos-N）。
• Include: 提供公共头文件，方便外部项目导入 ArmNN API。
• samples: 示例代码，展示了如何在实际项目中使用 ArmNN 进行机器学习推理。
• tools: 提供了辅助工具，比如模型转换工具，将 ONNX 或 TensorFlow Lite 模型转换成 ArmNN 可以处理的格式。
• CMakeLists.txt: 主 CMake 配置文件，用于构建整个项目。

2. 项目启动文件介绍

ArmNN 是一个库项目，没有单独的启动文件。但是，你可以通过运行 samples 目录下的示例程序来了解其基本用法。例如，SampleDynamicBackend 展示了如何动态加载和使用不同的后端。

在编译 ArmNN 之后，你可以通过以下命令运行一个示例：

./build/bin/samples/SampleDynamicBackend

这将展示 ArmNN 如何选择合适的后端执行模型，并进行动态切换。

3. 项目的配置文件介绍

ArmNN 使用 CMake 作为构建系统，其主要配置在 CMakeLists.txt 文件中。不过，它通常不依赖于特定的配置文件，而是通过 CMake 参数来控制构建选项。

当你运行 cmake 命令时，可以传递参数以定制构建，例如：

cmake -DARMCOMPUTE_ROOT=<path_to_arm_compute_library> \
      -DBUILD_ARMNN_DELEGATE=ON \
      -DCMAKE_BUILD_TYPE=Release ..

• ARMCOMPUTE_ROOT: 指定 Arm Compute Library 的路径。
• BUILD_ARMNN_DELEGATE: 若设置为 ON，则构建 TensorFlow Lite 的 ArmNN 得意。
• CMAKE_BUILD_TYPE: 设置构建类型，常见的有 Debug 和 Release。

此外，还可以设置其他选项，如是否启用特定的后端支持或者优化级别等。具体可参考 ArmNN 官方文档或 CMakeLists.txt 中的注释。