EMLL项目下载及安装教程
2024-12-06 01:17:25作者:舒璇辛Bertina
1. 项目介绍
EMLL(Edge Machine Learning Library)是一个高性能的计算库,专为在基于ARM的设备上进行机器学习推理而设计。它提供了优化的基本例程,如通用矩阵乘法(GEMM)和量化,以加速机器学习(ML)推理。EMLL支持fp32、fp16和int8数据类型,并加速了Youdao公司设备上的NMT、ASR和OCR引擎。
2. 项目下载位置
EMLL项目托管在GitHub上,可以通过以下命令进行克隆:
git clone https://github.com/netease-youdao/EMLL.git
3. 项目安装环境配置
3.1 系统要求
- 操作系统:Linux 或 Android
- 编译器:GCC 或 Clang
3.2 环境配置示例
以下是一个典型的环境配置示例:

4. 项目安装方式
4.1 克隆项目
首先,使用以下命令克隆项目到本地:
git clone https://github.com/netease-youdao/EMLL.git
cd EMLL
4.2 编译项目
使用CMake进行项目编译:
mkdir build
cd build
cmake ..
make
4.3 安装项目
编译完成后,使用以下命令安装项目:
sudo make install
5. 项目处理脚本
EMLL项目提供了一些处理脚本,用于自动化一些常见的任务。以下是一个简单的示例脚本:
#!/bin/bash
# 克隆项目
git clone https://github.com/netease-youdao/EMLL.git
cd EMLL
# 创建并进入build目录
mkdir build
cd build
# 使用CMake配置和编译项目
cmake ..
make
# 安装项目
sudo make install
通过以上步骤,您可以成功下载、安装并配置EMLL项目。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0225- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS02
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.14 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.5 K
852
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
931
809
暂无简介
Dart
873
207
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.06 K
548
Ascend Extension for PyTorch
Python
467
559
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
45
47
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.25 K
100
昇腾LLM分布式训练框架
Python
138
161