不知你是否发现了，最近有个趋势，比较火的照片处理应用都支持将照片风格化，那些移动端的短视频或直播平台都开始支持实时的滤镜。这些功能在前两年还都需要云端支持，因为它们背后都有一套机器学习模型，不是用于识别图像特征，就是用来识别脸部特征。你的照片和视频都要联网上传，可以说，用户体验基本取决于你的手机信号是否满格。

​但在今年，我们看到很多类似的功能的数据处理工作开始向移动设备上迁移。手机上也能跑机器学习模型。

懂技术的人，或许会怀疑在移动设备上运行机器学习任务的必要性。其实，这种方式好处多多。首先，它可以有效保护用户隐私，因为处理工作在用户手中完成，数据不会离开移动设备；其次，开发者不会再因为用户手机信号不好而收到1星差评。再其次，你大可以放飞大脑，设想如果机器学习任务（比如图像识别、自然语义理解等）都可以在移动设备上运行，那么无人机、机器人将能更快地完成更多不可能的任务。

不过，在移动端运行机器学习任务，开发者最关注的就是计算性能与功耗。这也是人工智能暂时还未在移动设备上普及的原因之一。

Qualcomm近期推出Qualcomm® 骁龙™ 神经处理引擎（Neural Processing Engine, NPE）软件开发包（SDK）。它能帮助基于TensorFlow、Caffe和Caffe2设计训练模型的开发者，在移动智能设备上大幅优化机器学习模型的性能与功耗。

​通常来讲，用到机器学习算法的应用，比如风格化和滤镜应用（比如图片处理、AR）、自然语言理解等，大量的运算工作还是要交给云端处理。这时候，如果网络连接不畅通，会大大影响用户体验。即便有些前瞻的团队，把机器学习模型放到移动端来做，碰到普通的移动设备，也只会利用到CPU的运算性能而已。但是，在骁龙设备上情况则不同。

​有了骁龙NPE SDK加持后，你可以设定让AI模型可以运行在骁龙平台的CPU、GPU、DSP任一芯片上。不过前提是，你的模型是基于Caffe、Caffe2或TensorFlow框架的，并且要转换为.dlc文件。同时，骁龙NPE SDK还提供了文件转换工具，在你将模型转换为.dlc文件之后，工具会提供关于不支持或无法加速的层的信息，你可以根据它们来调整模型设计，以便最大化地利用骁龙平台的计算性能。

除此之外，SDK还提供了benchmark工具、示例代码，并提供了用于控制runtime加载、执行和调度的多个API。

​文末小福利说来就来！

骁龙NPE SDK现已免费开放给开发者，欢迎下载

http://bss.csdn.net/m/zone/qualcomm2016/resource_detail?id=1592

关注微博或扫描下方二维码关注微信公众号（ID：Qualcomm_China），了解更多 Qualcomm 资讯。

http://www.qualcomm.cn/sites/regional/files/styles/optimize/public/blog/managed-images/qrcode180_6.jpg?itok=g_PsxIn6

​

​