背景与工程定位

　　背景

　　项目组基于深度学习实现了视频风格化和人像抠图的功能，但这是在PC/服务端上跑的，现在需要移植到移动端，因此需要一个移动端的深度学习的计算框架。

　　同类型的库

caffe-Android-lib 目前应该是最便于集成使用的深度学习框架库。

tensorflow和mxnet据说也有对应的android库，因时间原因暂未测试。

CNNdroid，网址https://zhuanlan.zhihu.com/p/25259452，这个是用

　　render 作优化的深度学习框架，不过就代码实现和实际测试结果来看，性能一般。

　　工程定位

　　实现可实时、体积小、通用的深度学习预测框架。

　　可实时

　　跟PC或服务器不同，移动设备上的GPU可不一定有CPU强悍（多线程+neon/vfp），但在需要实时计算的场景（主要是相机预览和视频播放），往往都是基于OpenGL渲染环境的。

　　实时的情况下，深度学习框架的输入和输出都在GPU端，使用CPU进行计算往往需要拷贝图像出来，算好后再传到GPU端，直播，atv，因此基于GPU实现的深度学习的库能持平CPU版本的效率就有足够优势了。

　　比如实时抠人像这个case：

　　对每一帧相机预览产生的数据，系统将其映射为opengl 的一个external texture，然后需要 计算出一个 mask texture，与原先的texture作混合，显示出来。如果mask texture 的计算在cpu上进行，则需要每帧先把 graphicbuffer 的数据拷贝出来，计算出mask后上传到 mask texture 去，产生一来一回两次额外拷贝。

　　通用

　　本工程需要支持 caffe 产出的模型文件，支持常见的网络如lenet、ResNet等等。这个工作量包括编写相应层的算子，设计网络结构，解析caffe模型的参数等。

　　所幸的是，目前在移动端做好深度学习的预测就足够了，相比于兼顾训练的结构至少省去2/3的工作量。

　　工程实现

　　方案选型

　　GPU加速的API

　　使用GPU加速有如下一些方案：

　　CUDA、OpenCL、OpenGL（ES）、Render、Metal

　　CUDA只适用到NVIDIA的GPU，Metal只适用于apple系列，这两个对android设备而言基本不用考虑。

　　对于OpenCL，虽然有不少移动GPU已经支持，比如 Arm 的 mali 系列（T628之后），且有相应的支持库。但是，一方面由于Android在系统层面上没有支持，没有相应的系统API，兼容性还是比较差，另一方面，OpenCL 操作完成后的内存传到OpenGL还是需要同步一下，会影响效率。

　　Render 这个坑比较多，文档极少，而且会有跟OpenCL一样的需要跟OpenGL同步的问题，不做考虑。

　　最后就只剩下 OpenGL ES，为了开发方便，用 Computer shader 实现，尽管会有一定的兼容性牺牲（Android 5.1 及以上，GPU支持openGLES 3.1），但考虑到下面两点是值得的：

　　1. 走渲染管线去实现通用计算，编程复杂且容易出错，调优也很麻烦。有 computer shader之后，编程就跟opencl、metal类似，这些工作量可以大幅降低，大大加快开发。

　　2. 支持OpenGLES 3.1版本的GPU一般都是相对较新的，性能不会太差，能够实现加速的目的。

　　运算的分配

　　CNNdroid中仅用GPU加速卷积层的运算，其他还是由CPU+多线程执行。以前我们在早期作gpu加速的预研时，也有过类似的尝试，但是数据传输和同步的性能消耗远大于协同计算带来的性能提升。因此这个工程中，网络中的计算全部由GPU完成，避免数据在CPU和GPU之间反复传输或同步。

　　另外，GPU驱动在申请内存（分配纹理所需要内存空间）的时间消耗在移动设备端是不可忽略的，因此，不能在运算过程中临时创建纹理或其他Buffer，必须事先分配好。

　　优化注意点

　　1. 向量化运算

　　预测时，我们输入神经网络的数据可表示为 w?h?d的三维数据。我们将输入数据用一个RGBA32F格式的3D纹理存维，由于每一个像素有4个数值，得到的纹理大小是w?h?ceil(d4)。

　　对于卷积层和内积层，我们把参数存储为mat4的数组，然后其计算就完全是vec4级的向量化运算。

　　2. 合适的localsize设计

　　与OpenCL不一样，computer shader 必须手动指定 workgroup 的大小，并且指定运行的 workgroup 数量。这两组维度，都是越大越好。