DL Container Loader: SNPE使用后缀为dlc的模型文件，提供了模型load函数；
Molde Vallidation: 检查输入模型与所选择的运行后端是否合法；
Runtime Engine: 选择运行模式的API, 包括CPU, GPU, DSP和AIP四种运行模式；
Partitioning Logic: 模型处理API, 包括检查网络layer的合法性， 调度网络的Runtime(例如让网络的一部分执行在特定的后端上： UDLs--用户自定义的layer，它只能运行在CPU runtime上， 在 CPU fallback 开启时， 可以让非UDLs部分运行在你选择的除CPU以外的后端上，而UDLs运行于CPU上，这种后端的切换会里带来一定开销)；
CPU Runtime : CPU运行模型， 支持32-bit和 8-bit量化模型；
GPU Runtime: GPU运行模型， 支持混合或完整16位浮点模式；
DSP Runtime: Hexagon DSP运行模型， 使用Q6 和 hexagon NN， 在HVX上运行， 只支持8-bit量化模型；
AIP Runtime: Hexagon DSP运行模型， 使用Q6, Hexagon NN 和HTA, 只支持8-bit量化模型；
AIP模式是Q6，HVX和HTA的软件混合模式的整体抽象，当选择AIP模式运行时，该模型的一部分将在HTA上运行，而一部分在HVX上（由Q6协调），SNPE在DSP上加载一个库，该库与AIP运行时进行通信, 该DSP库包含一个执行器（用于管理HTA和HVX中的模型的执行, HTA上运行子网基于HTA驱动程序，HVX运行子网基于Hexagon NN)。执行器executor使用模型描述(model description)描述模型的哪些部分将在HTA上运行以及在HVX上运行, 这些划分的子部分称作子网络；DSP执行器在相应的内核上执行子网，并根据需要协调缓冲区交换和格式转换, 随时准备跟CPU上运行的子网络通讯。
SNPE的Runtime可以是CPU模式+其他模式的混合组合，或者单独使用一种Runtime; 在模型的转化(Conversion)时可以设定具体Runtime模式，对于AIP模式，可以选择完全运行在HTA上，或者一部分运行在HTA一部分运行在HNN, 这取决于网络的op是否都被HTA支持，如果部分支持，则只能选择后者； 两种方案的选择在模型转化时由SNPE自动完成；也可以手动分解网络，但太多的子网络会影响运行速度。
英文Setup教程地址：https://developer.qualcomm.com/docs/snpe/setup.html
本机环境：Ubuntu16.04， 64位；
Caffe: 按照教程指示的分支下载安装caffe，并配置pycaffe;
Tensorflow: 我这里没有使用照教程指定的版本(版本太旧报错)，使用的tf-1.14，跟我模型训练TF版本一致；
ONNX: 使用的最新版本，使用pip下载即可；
Python3.5: 我使用的是3.5版本，并更改系统Python默认版本到Python-3.5;
Android NDK: 下载对应版本NDK, libc++_shared.so没有按照教程操作，因为指定文件目录下已经存在(这块不太理解)；
Android SDK: 没下载；
SNPE SDK下载：https://developer.qualcomm.com/software/qualcomm-neural-processing-sdk
下载好后解压并按照指示检查环境，并设置环境变量，此外为了能够顺利的使用SNPE SDK的相关工具，需要添加环境变量：
export PYTHONPATH=$SNPE_ROOT/lib/python
英文文档地址：https://developer.qualcomm.com/docs/snpe/usergroup1.html
1、支持的网络Layers;
2、支持的ONNX Ops;
3、量化 vs 不量化：
CPU、GPU模式下：可以直接处理非量化模型，对于量化模型输入，需要反量化处理，增加了初始化时间，且影响精度；
DSP模式 ：可直接处理量化模型，对于非量化模型输入，初始化时会进行量化处理，精度跟前者会不一样；
AIP模式 ：只支持量化模型输入；
量化算法：
a、量化后区间要涵盖所有输入数据；
b、输入数据的值域大于0.01；
c、输入数据0 需要精确的表示(要与量化区间中具体的数值对应)；
获取输入数据的最大最小值i_max, i_min，如果两者的差小于0.01，则更新最大值i_max为max(i_max, i_min + 0.01), 以8-bit量化为例，此时求得区间刻度step = (i_max - i_min) / 255, 此时计算(0 - i_min) / (i_max - i_min) * 255 是否为整数，若不是，将i_max, i_min同时移动n * step刻度；
算法优化：一种方案是忽略异常的极端值，特别大或者特别小的值；另一种方案也是优化最大最小值的选择，具体怎么做的不知道，由于量化容易损失精度，所以量化的同时还引进了CLE(跨层均衡)和BC(偏置校正)；CLE和BC通常同时使用，CLE 对网络结构有要求，一个输出不能被多个Op操作，也就是不能有分支结构，这几乎等于没啥用了就，同时不支持Relu6, 会自动将其转化为Relu，精度下降；CLE要求在转换为DLC之前，原始模型中必须存在BatchNorm(特指可检测到批量标准中beta / gamma数据)才能运行完整算法并重新获得最大的准确性。CLE速度很快，BC很慢，几分钟到几小时都有可能；
英文教程链接：https://developer.qualcomm.com/docs/snpe/udo_overview.html
比较麻烦，需要配置UDO Package Description文件，指定输入输出的数据格式，运行后端等描述性信息；然后通过generator工具生成源文件，但是对于每个运行后端的具体执行函数需要自己编写(函数声明已经写好，只需把定义添上就行)，然后编译生成对应与各种Runtime的.so库文件，在模型转换时候，可以添加UDO参数(--udo_config_paths)，指定要使用的so文件；运行时也需要指定库文件，详细见教程；
英文教程链接：https://developer.qualcomm.com/docs/snpe/usergroup3.html
根据教程使用命令行，运行/$SNPE_ROOT/bin/x86_64-linux-clang文件夹下的工具完成转化即可，详情见教程；
注意：对于Tensorflow，需要重新训练去掉网络中的关于is_training 状态的placeholder，并使用False替代，且最好将batch_size同时设置为1，方便后续的量化操作；
英文教程链接：https://developer.qualcomm.com/docs/snpe/model_conversion.html
按照教程命令行运行即可，注意--enable_hta参数，大概率添加此参数后转换会失败(SUB, MUL, Reducation, Stride_Slice都不支持)，但仍会生成dlc文件，但是不会包含运行在HTA上的子网络，因为--enable_hta参数默认会最大化HTA子网络，让网络的更多部分运行在HTA，这种情况下HTA与HVX同时工作，如果开启CPU Fallback，则AIP任何未处理的部分都可以回退到CPU处理；当然，你还可以手动选取HTA分区，详见教程；
参数--input_list image_file_list.txt中存储着与训练输入数据相同格式的二进制图像数据的地址，一行存储一张图；
图片转二进制：
from PIL import Image
import numpy as np
img = Image.open("path of image")
img = np.array(img)
img = img.astype(np.float32)
##也许需要一些处理，例如channel调整顺序、减去均值、除以方差等##
img.tofile("path/{}.raw".format("name of binary file"))SNPE对输入图像格式的要求是NHWC; 但是，推理过程中使用的通道顺序必须与训练过程中使用的通道顺序相同。例如，在Caffe中训练的Imagenet模型需要BGR的频道顺序。
英文教程链接：https://developer.qualcomm.com/docs/snpe/tutorial_inceptionv3.html (Tensorflow Inception V3)
按教程命令行运行即可，生成结果会保存到output文件夹下的.raw文件中，使用np.fromfile("file‘s path", dtype=np.float32)即可提取输出，根据网络输出格式进行解读即可；
注意：snpe-net-run时可能会显示无法连接到libSNPE.so, 添加环境变量即可：
export LD_LIBRARY_PATH =$SNPE_ROOT/lib/x86_64-linux-clang/libSNPE.so
英文教材链接：https://developer.qualcomm.com/docs/snpe/cplus_plus_tutorial.html
简单的C++ 调用demo，如果涉及UDL, UDO则详见教程。
// 获取Runtime后端
zdl::DlSystem::Runtime_t checkRuntime()
{
static zdl::DlSystem::Version_t Version = zdl::SNPE::SNPEFactory::getLibraryVersion();
static zdl::DlSystem::Runtime_t Runtime;
std::cout << "SNPE Version: " << Version.asString().c_str() << std::endl;
if (zdl::SNPE::SNPEFactory::isRuntimeAvailable(zdl::DlSystem::Runtime_t::GPU)) {
Runtime = zdl::DlSystem::Runtime_t::GPU;
} else {
Runtime = zdl::DlSystem::Runtime_t::CPU;
}
return Runtime;
}
// 基于Runtime初始化SNPE
void initializeSNPE(zdl::DlSystem::Runtime_t runtime) {
// 声明container指向导入的dlc模型
std::unique_ptr<zdl::DlContainer::IDlContainer> container;
// load
container = zdl::DlContainer::IDlContainer::open("/path/to/model.dlc");
// 实例化一个SNPE Builder
zdl::SNPE::SNPEBuilder snpeBuilder(container.get());
// 使用了ITensors模式
snpe = snpeBuilder.setOutputLayers({})
.setRuntimeProcessor(runtime)
.setUseUserSuppliedBuffers(false)
.setPerformanceProfile(zdl::DlSystem::PerformanceProfile_t::HIGH_PERFORMANCE)
.build();
}
// 加载输入数据
std::unique_ptr<zdl::DlSystem::ITensor> loadInputTensor(std::unique_ptr<zdl::SNPE::SNPE> &snpe, std::vector<float> inputVec) {
// 定义ITensors格式的input作为网络输入的容器
std::unique_ptr<zdl::DlSystem::ITensor> input;
// 获取网络输入name
const auto &strList_opt = snpe->getInputTensorNames();
if (!strList_opt) throw std::runtime_error("Error obtaining Input tensor names");
const auto &strList = *strList_opt;
const auto &inputDims_opt = snpe->getInputDimensions(strList.at(0));
const auto &inputShape = *inputDims_opt;
input = zdl::SNPE::SNPEFactory::getTensorFactory().createTensor(inputShape);
std::copy(inputVec.begin(), inputVec.end(), input->begin());
return input;
}
// 执行并返回输出ITensors
zdl::DlSystem::ITensor* executeNetwork(std::unique_ptr<zdl::SNPE::SNPE>& snpe,
std::unique_ptr<zdl::DlSystem::ITensor>& input) {
static zdl::DlSystem::TensorMap outputTensorMap;
snpe->execute(input.get(), outputTensorMap);
zdl::DlSystem::StringList tensorNames = outputTensorMap.getTensorNames();
const char* name = tensorNames.at(0);
auto tensorPtr = outputTensorMap.getTensor(name);
return tensorPtr;
}