以下是您在使用人工智能工具和资源时可能遇到的一些术语和概念。

深度学习容器 (DLC) 文件
最新的 骁龙® 移动平台支持各种机器学习框架，如 TensorFlow、TFLite、Pytorch、ONNX、Caffe、Caffe2 等。Pytorch、ONNX、Caffe、Caffe2 等。为了在硬件上支持所有这些框架，应使用与 SDK 共享的转换工具将 .pb、.onnx、.pth 等模型文件转换为 .dlc 文件。在转换过程中还进行了许多层级优化，以便模型可以在我们的平台上高效运行。

量化
将量化技术应用于训练后的模型，以减小模型的大小并提高模型的性能。DLC 文件从 FP32 精度转换为较低精度，如 INT4、INT8 等。用户还可以使用降低精度的浮点表示形式，如 FP16。这样做的目的是减小模型的大小，并且执行速度也更快。权重、偏差和激活的静态量化是在支持不对称动态范围和任意步长的情况下完成的。在人工智能加速器上运行模型需要量化。用于此目的的工具与 SDK 一起共享。

用户定义操作 (UDO)
开发人员也可以定义自己的操作并将其编译为在 CPU/GPU/人工智能加速器 (HTP) 上运行。开发人员可以使用 C/C++ 等语言来开发 CPU 的操作。对于GPU，可以使用OpenCL。对于Qualcomm HTP，使用Hexagon DSP 的汇编指令。执行 UDO 时，加速器内核和 CPU/GPU 之间可能存在上下文切换，因此开发人员应根据性能需求选择 UDO 的编译目标。更多详细信息可以在这里找到。

用户定义操作 (UDO)
Ops 是机器学习模型图中的节点。Ops 的示例有 Argmax、Conv2d 等。
^{骁龙和高通计算机视觉是高通技术公司和/或其子公司的产品。}