qnn

QAI AppBuilder 快速上手(7)：目标检测应用实例YOLOv8_det是YOLO 系列目标检测模型，专为高效、准确地检测图像中的物体而设计。该模型通过引入新的功能和改进点，如因式分解卷积（factorized convolutions）和批量归一化（batch normalization），在性能和灵活性上有显著提升。YOLOv8_det 还具有较高的计算效率，能够在各种硬件平台上运行，从 CPU 到 GPU 都能提供出色的性能。其设计使其在实时检测任务中表现优异，适用于智能驾驶、安防监控、医疗影像、工业检测等多个领域。总的来说，YOLOv8_det 是

农夫山泉2号

【个人开源】——从零开始在高通手机上部署sd（二）代码：https://github.com/chenjun2hao/qualcomm.ai单位/ms1.linux

农夫山泉2号

【个人开源】——从零开始在高通手机上部署sd（一）代码:https://github.com/chenjun2hao/qualcomm.sd从零基础开始，在自己的高通手机(骁龙8 gen1+)上用NPU跑文生图stable diffusion模型。包含：

QNN：基于QNN+example重构之后的yolov8det部署QNN是高通发布的神经网络推理引擎，是SNPE的升级版，其主要功能是：完成从Pytorch/TensorFlow/Keras/Onnx等神经网络框架到高通计算平台的模型转换；完成模型的低比特量化（int8），使其能够运行在高通神经网络芯片上；提供测试工具（qnn-net-run），可以运行网络并保存输出；提供测试工具（qnn-profile-viewer），可以进行FLOPS、参数量、每一层运行时间等分析；