\u200E
  • 开始使用
  • 特性
  • 文档
    • API
    • 使用指南
  • 工具平台
    • 工具
      • AutoDL
      • PaddleHub
      • PARL
      • ERNIE
      • 全部
    • 平台
      • AI Studio
      • EasyDL
      • EasyEdge
  • 资源
    • 模型和数据集
    • 学习资料
    • 应用案例
  • develop
  • v2.12
  • v2.11
  • v2.10
  • v2.9
  • v2.8
  • v2.7
  • v2.6
  • v2.3
  • 中文(简)
  • English(En)
Search — Paddle-Lite documentation
Paddle-Lite
latest

Paddle Lite 介绍

  • Paddle Lite 介绍
  • Road map

快速开始

  • Paddle Lite 预测流程
  • Paddle Lite 预编译库下载
  • 试用 Paddle Lite
  • 硬件支持及示例
  • 支持模型
  • 支持算子
  • Paddle Lite FAQ

源码编译

  • 概述
  • Docker 统一编译环境搭建
  • Linux x86 环境下编译适用于 Linux x86 的库
  • Linux x86 环境下编译适用于 ARM Linux 的库
  • Linux x86 环境下编译适用于 Android 的库
  • ARM Linux 环境下编译适用于 ARM Linux 的库
  • macOS 环境下编译适用于 macOS 的库
  • macOS 环境下编译适用于 iOS 的库
  • macOS 环境下编译适用于 Android 的库
  • Windows 环境下编译适用于 Windows 的库
  • 编译选项说明
  • 裁剪预测库

程序开发

  • C++ 完整示例
  • Java 完整示例
  • Python 完整示例
  • 程序开发概览
  • 模型优化工具 opt
  • 模型量化
  • 模型可视化方法
  • Profiler 工具
  • 模型的非结构化稀疏

多硬件部署示例

  • Android apps
  • iOS apps
  • Linux apps
  • Arm
  • x86
  • OpenCL
  • Metal
  • 华为麒麟 NPU
  • 华为昇腾 NPU
  • 昆仑芯 XPU
  • 昆仑芯 XTCL
  • 高通 QNN
  • 寒武纪 MLU
  • (瑞芯微/晶晨/恩智浦) 芯原 TIM-VX
  • Android NNAPI
  • 联发科 APU
  • 颖脉 NNA
  • Intel OpenVINO
  • 亿智 NPU

性能优化

  • 最佳做法
  • 性能测试
  • 性能数据
  • 使用 GPU 获取最佳性能
  • 使用 FlyCV 优化图像处理性能

开发者贡献

  • 开发基础须知
  • 架构详解
  • 新增 OP
  • 新增单测
  • 新增 Layout
  • 新增 Pass
  • 新增硬件
  • NNAdapter：飞桨推理 AI 硬件统一适配框架

训练示例（预览）

  • C++ Train Demo

API文档

  • C++ API
  • Java API
  • Python API
  • CV 图像预处理 API
  • FlyCV API

FAQ

  • Paddle Lite FAQ

训练推理示例说明

  • 训练推理示例说明
Paddle-Lite
  • »
  • Search

© Copyright 2020, Paddle-Lite Developer.

Built with Sphinx using a theme provided by Read the Docs.