京东金融鸿蒙端部署AI超分模型实践
💡
原文中文，约9500字，阅读约需23分钟。
📝
内容提要
本文介绍了京东金融App在鸿蒙端成功部署Real-ESRGAN-General-x4v3超分辨率模型的过程，解决了ONNX模型转换、张量格式处理及基于CANN Kit的部署问题。未来，随着技术进步，端侧设备将具备更强的智能推理能力，推动人工智能服务的普及。
🎯
关键要点
- 京东金融App成功在鸿蒙端部署Real-ESRGAN-General-x4v3超分辨率模型，提升图片清晰度。
- 部署过程中解决了ONNX模型转换、张量格式处理及基于CANN Kit的部署问题。
- 鸿蒙系统不支持ONNX框架，需使用华为自研的CANN架构进行模型部署。
- 模型转换为OM离线模型，移动端AI程序直接读取进行推理。
- 未来端侧设备将具备更强的智能推理能力，推动人工智能服务的普及。
❓
延伸问答
京东金融App在鸿蒙端部署了什么模型？
京东金融App在鸿蒙端成功部署了Real-ESRGAN-General-x4v3超分辨率模型。
鸿蒙系统如何支持AI模型的部署？
鸿蒙系统不支持ONNX框架，需使用华为自研的CANN架构进行模型部署。
在部署过程中遇到了哪些技术难题？
部署过程中解决了ONNX模型转换、张量格式处理及基于CANN Kit的部署问题。
如何将ONNX模型转换为OM离线模型？
需要使用CANN Kit将ONNX模型转换为OM离线模型，支持的ONNX opset版本为7到18。
未来端侧设备的智能推理能力将如何发展？
未来端侧设备将具备更强的智能推理能力，推动人工智能服务的普及。
超分辨率模型的部署对用户体验有什么影响？
超分辨率模型的部署能够提升评论区、内容详情页等核心场景的图片清晰度，从而优化用户留存与互动意愿。
➡️
