京东金融鸿蒙端部署AI超分模型实践
💡
原文中文，约9400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的部署难题。未来，随着技术进步，端侧设备将具备更强的智能推理能力，推动人工智能的普惠发展。
🎯
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的技术难题。
- 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。
- 通过技术进步，未来端侧设备将具备更强的智能推理能力，推动人工智能的普惠发展。
❓
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。
鸿蒙系统为什么不支持ONNX框架？
鸿蒙系统不支持ONNX框架，因此只能使用华为自研的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的部署难题。
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，具体步骤包括下载工具、合并文件和进行opset版本转换。
未来端侧设备的智能推理能力将如何发展？
未来，随着技术进步，端侧设备将具备更强的智能推理能力，推动人工智能的普惠发展。
超分辨率模型的输入输出张量格式是什么？
该模型的输入张量格式为1*3*128*128 (BCHW)，输出张量格式为1*3*512*512 (BCHW)。
➡️
