下面列出各大公司使用的CNN库：
各主流移动端深度学习框架诞生时间如下：
年 3 月，XMART LABS 在 GitHub 上开源 Bender
年 4 月 19 日，Facebook 在 F8 开发者大会上推出 Caffe2 (已并入 PyTorch)
年 5 月 17 日，在 Google I/O 大会上，移动端深度学习框架 TensorFlow Lite 诞生
年 6 月 6 日，苹果在 WWDC 大会上推出 Core ML
年 9 月 25 日，百度开源移动端深度学习框架 mobile-deep-learning（MDL）
支持移动端的 MXNet， Pytorch
......
MACE更加稳定和完善。编译过程和文档质量虽然相比Tencent的ncnn和FeatherCNN框架复杂，但是只要稍微有点android交叉编译基础的工程师，大约2-3小时就能完成demo部署。
由于MACE在编译过程中需要Android开发板或手机通过USB链接Host主机才能正常编译测试，然而友情借来的RK3399开发板只能通过网络调试，无法进行评测了，只好选择高通820开发板作为硬件测试平台，横向对比开源框架则选择圈内最流行的ncnn和性能优异的FeatherCNN，其中CPU端的测试均采用高通两个820的大核心。
用于测试的模型SqueezeNet_v1.1、MobileNet_v1、ResNet18、VGG16，mace编译VGG16需要内存太大了，暂时不测试。那就变成了小模型测试了……也算是有一定的指导意义吧，毕竟移动端也不会去部署VGG16……
作者：圈圈虫
链接：/question/283022477/answer/433534395
Reference
1/ivyharding/p/11097017.html
2/s?id=1600039959342259966&wfr=spider&for=pc
3如何看待小米开源移动端 AI 框架 MACE？
