初识Android | 青训营笔记
这是我参与「第四届青训营」笔记创作活动的的第9天
端智能
- 定义：
- 端智能（On-Device Machine Learning）是指把机器/深度学习算法模型应用和部署到端设备上，这里“端设备”是相对于云服务而言的，可以是手机，也可以是物联网IoT设备。 (as:抖音换装特效、离线文本识别、肢体检测、手势识别....)
- 优势：
- Latency：低延迟、实时性高
- Privacy：保护隐私
- Power：端设备算力越来越强大
- Offline：可离线
- Low Cost：低成本
- 端云协同：端智能并不是云智能的替代，是云端机器学习的延伸，是要结合云和端各自的优势，在云端之间合理分配任务以获取问题最优解。
- 学习框架：
- Google：Tensorflow Lite、ML Kit
- Meta：PyTorch Mobile、PyTorch Live
- Apple: CoreML
- 腾讯：NCNN、TNN
- 阿里：MNN
- 百度：Paddle-Lite
- 华为： HiAI 、ML Kit
- 小米：Mace
- 其他：字节（ByteNN、Pitaya），快手（KwaiNN、Ykit）……
- 设计步骤：
- 首先，提出问题和方案：问题描述和定义->设计机器学习解决方案
- 然后，训练AI模型：数据收集->模型设计，模型训练->模型压缩，模型转换
- 最后，AI模型在移动端部署应用->拿到需求结果。
性能优化
- 定义：
性能优化，简而言之，就是在不影响系统运行正确性的前提下，使之运行地更快，完成特定功能所需的时间更短。
- 主要目标：
- 快：最快显示效率、最快网络速率、最快UI响应
- 稳：最佳用户体验，减少强打断
- 省：最低存储、最低功耗、最低流量消耗、最低计算资源
- 广义分类：
- 流畅度、资源、稳定性、系统级
- 流畅性优化基础介绍：
卡顿优化：减少布局嵌套层级，相同层级使用性能更好的布局。绘制优化：避免过度绘制，不要给View设置不必要的背景(其他无用属性也应该避免)，避免过多的层级嵌套....启动速度优化:避免在Activity生命周期中进行耗时操作
- 资源优化基础介绍:
最大化资源调度：满足快，我们需要在网络、渲染等领域提供更多的资源；满足多，深度剖析系统资源使用，需要从系统层榨取更多的可用资源。最小化资源使用：保证业务基本面的前提下，通过降级或者优化等手段，将占用的资源做到最小。
- 稳定性优化基础介绍：
内存优化：页面销毁时，移除多余数据...网络优化：初始界面接口划分合理，减少网络请求时间....电量优化：网络请求时，先判断网络状态，并设置合理的超时时间，避免一直在后台等待数据....
- 系统级优化基础介绍:
安装包优化：移除无用代码、资源、删除无用功能.....
- 性能优化检测工具：
- Layertool
- CPU Profiler
- TraceView
- Systrace
- Battery Historian
