视觉算法的工业部署及落地方面的技术知识，怎么学？ 第1页

一看这个题目的关键字“部署”和“落地”就深深吸引到了我 。想想当年(去年)秋招，神仙打架诸神黄昏的CV岗，大神们的简历上都是充满顶会比赛top1等等，我不擅长算法(虽然我是算法工程师)，简历上也就只能简单水水top10的比赛，写一些水水的项目。唯一感觉和大佬们简历稍微不同的也就落地和部署这块了。看了前面几位大佬的回答，感触颇深，所以我也来简单聊聊(大部分其他回答已经说了，我再补充些吧)。

个人认为算法部署落地这个方向是比较踏实务实的方向，相比“设计模型提出新算法”，对于咱们这种并不天赋异禀来说，只要你肯付出，收获是肯定有的(不像设计模型，那些巧妙的结果设计不出来就是设计不出来你气不气)。其实算法部署也算是开发了，不仅需要和训练好的模型打交道，有时候也会干一些粗活累活(也就是dirty work)，自己用C++、cuda写算子(预处理、op、后处理等等)去实现一些独特的算子。算法部署最常用的语言是啥，当然是C++了，C++虽然复杂，但是由于优异的性能和各种特性(类对象、元编程等)，被很多推理框架作为backbone的语言。

如果你想要自学但不知道学哪个，无从下手，哈哈恭喜你和当初的我一毛一样。不过你现在要是问，我还是不知道应该跟你怎么说，因为部署落地这方面你需要学习需要做的事情还是蛮多的。最好还是以项目作为驱动，或者找一些开源的推理部署框架练练手，找一两个开源项目玩玩，找找感觉，自己也就逐渐有方向了。

前面几位大佬提到的NCNN(优秀)、MNN(牛逼)等框架(还有很多框架这里不一一列举了额)，是针对移动端进行部署进行优化的推理引擎，对ARM核进行了优化，如果你想做和移动端或者嵌入式端有关系的，可以看看这两个框架的源码，跑一两个demo找找感觉，另外还有Openvino和TensorRT，分别是对应cpu和gpu端的首推框架(想详细了解可以参考我之前的文章)，可以找相关的项目去做做。

部署的流程一般就是：

• 训练一个模型，也可以是拿一个别人训练好的模型
• 针对不同平台生成的模型进行转换，也就是俗称的parse、convert，前端解释器
• 针对转化后的模型进行优化，这一步很重要，涉及到很多优化的步骤
• 将转化好的模型运行在特定的平台(嵌入端或者服务端)

需要掌握什么技术，学好C++很重要，起码能看懂各种关于部署精巧设计的框架(再列一遍：Caffe、libtorch、ncnn、mnn、tvm、openvino、tensorrt，不完全统计，我就列过我用过的)。当然并行计算编程语言也可以学一个，针对不同的平台而不同，可以先学学cuda，资料更多一些，熟悉熟悉并行计算的原理，对以后学习其他并行语言都有帮助。

部署和落地的重要性...当然是很重要呃，对于硬件公司来说，需要将深度学习算法部署到性能低到离谱的开发板上，因为成本能省就省，这时就需要部署了。在算法层面优化模型是一方面，但更重要的是从底层优化这个模型，这就涉及到部署落地方面的各个知识(手写汇编算子加速、算子融合等等)；对于软件公司来说，我们往往需要将算法运行到服务器上，当然服务器可以是布满2080TI的高性能CPU机器，但是如果QPS请求足够高的话，需要的服务器数量也是相当之大的。这个要紧关头，如果我们的模型运行的足够快...可以省机器又可以腾一些buffer上新模型岂不很爽，这个时候也就需要优化模型了，其实优化手段也都差不多，只不过平台从arm等嵌入式端变为gpu等桌面端了。

系统的知识嘛，有是有，不过实际中都是用到啥再看啥，有项目在push你，个人建议直接上手项目，没有自己找找，按需学习。

这里简单总结下可以选择上手：

• 好用的开源推理框架：caffe NCNN、MNN、TVM
• 好用的开源推理框架：Openvino、TensorRT(infer不开源)
• 好用的开源服务器框架：triton-server
• 好用又不好用的编程语言：C++、CUDA、python
• 基础知识：计算机原理 编译原理等

最近在搞triton server，将TensorRT作为inference后qps很夸张(这个是服务端部署)，有兴趣可以找我一块交流。

再补充一点：之前没有详细提到TVM这个神奇的神经网络编译器，TVM最近也增加了对TensorRT转化的支持，可以无缝将relay的中间ir转化为TensorRT的算子op，从而实现两者之间的转换。

有关TVM可以看我之前的两篇文章：

• 一步一步解读神经网络编译器TVM(一)——一个简单的例子
• 一步一步解读神经网络编译器TVM(二)——利用TVM完成C++端的部署

总之，如果想要好好学习落地部署这一类知识，首先还是需要认真阅读一些优秀的开源框架的源码，了解其工作原理和内部实现。久而久之，慢慢尝试，对于落地部署这一块也就慢慢熟络起来了。

如果有对部署落地有着同样疑问的小伙伴们，可以关注我了解更多的部署落地方面的知识，也欢迎在公众号或者在博客中留言。