Welcome to Paddle-Lite’s documentation!

请在页面左下角选择特定版本的文档。

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