v2.1.0

V2.1.0

重点功能

新增ARM端图像预处理库
- 支持多种颜色空间转换，如 NV12_To_RGB、GRAR_To_RGB 等
- 支持多种图像预处理操作，如图像旋转、翻转等
- 支持图像数据到tensor的转换，如RGB_To_NCHW(Tensor)等
- 相关功能性能优于 OpenCV 处理速度
增加多个模型裁剪预测库功能。用户给定多个模型，按需裁剪预测库的算子，只保留提供模型线上预测所需要的功能，最大化压缩预测库体积。相关文档可参考裁剪预测库方法。
加强报错信息，Android 中支持原生系统报错

基础功能升级

新增op
- x86 tanh, gelu, pr2265
- x86 stack, pr2458
新增模型
- X86增加MobileNet_v1, MobileNet_v2支持，见pr2420
op升级，与飞桨核心框架（以下简称Paddle）对齐
- reshape支持输入ShapeTensor、Tensor，见pr2377
- slice支持输入StartsTensor、StartsTensorList，见pr2377
- lookup_table根据 Paddle 升级修改，去除最后一维必须为1的限制，保留原op，新op为lookup_table_v2，见pr2405
- resize_bilinear和resize_nearest根据 Paddle 升级，增加对list的Tensor输入shape和对Tensor输入scale的支持，见pr2406
api对齐
- python、java、C++三种 api核心接口对齐
  - 其中，python 和 C++ 完整对齐了 MobileConfig 和 CxxConfig 两个模式
  - Java 定位为 Android端使用，只对其了 MobileConfig
升级量化模型支持
- 支持PaddlePaddle训练后量化方法产出的量化模型，比如mobilenet_v1、 mobilenet_v2、resnet50，见pr2368，使用方法请参考文档。
- 支持PaddlePaddle量化训练方法产出权重量化方式为channel_wise_abs_max的量化模型，见pr2368。
预测库整理：重新整理核心库包含的（basic） OP&Kernel，使基础预测库（build_extra=OFF）完整支持CV相关9个核心模型（包括Paddle原生模型和对应的 X2Paddle第三方转化模型）和三个量化模型。且tiny_publish下预测动态库体积不变。支持模型如下：
- 9个基础模型及其 Paddle 转化模型：mobileNetV1、mobileNetV2、mnasnet、resnet50、yolov3、ssd_mobilenetv1、 unet、squeezenet_v11、shufflenet_v2
- 三个int8量化模型：mobilenet_v1、mobilenet_v2、resnet50

性能

ARM CPU Conv3x3 性能提升。改进ARM CPU Conv3x3实现方式，在Resnet、Squeezenet等模型上提升性能。

编译

X86与 CUDA 编译时第三方库下载加速 (X86编译相关的第三方库eigen、mklml、xxhash改为从百度云地址下载，加速编译过程)
NPU的编译支持华为官方最新版HiAI DDK 310

文档

Bug 修复

修复 jit::matmul 特定尺寸下计算错误的bug：输入x, shape(m, k) weight, shape(k, n)，当k < 512，m==1, 且n是16的倍数时，jit分组group计算错误，详情见pr 2392
修复yolo_box cuda kernel多次运行结果出错的bug：多次运行时没有将上一次的结果清零，会保留之前计算的结果，详情见pr2245
修复fill_constant kernel的bug：没有用到dtype属性，默认输出float tensor，修复后根据dtype属性判断输出类型，详情见pr2376
修复convolution X86 kernel由于share_data_with导致的运行多次以后输出结果不正确的bug，详情见pr2420
修复多线程跑模型会随机crash的问题