当我们执行CNN模型推断时，我们需要预先从DDR或ROM加载AI模型。人们通常使用createfromfile的形式。
为了保护其模型IP，他们通常会对模型产生一些困惑。下面我们介绍另一种方法createfrombuffer。
在编译算法SDK的阶段，可以将AI模型编译为机器码，并且可以在加载算法时从堆栈存储器中加载算法。这样，模型的参数和定义将不会暴露给用户级别。
目前，MNN，NCNN和RKNN都提供了一个类似的createfrombuffer接口，非常方便用户使用。使用方法也非常简单。
该操作分为以下三个步骤：（1）生成十六进制模型文件（2）生成头文件和cpp文件（3）使用createfrombuffer加载模型1。生成十六进制模型该文件可以使用linux提供的xdd工具来完成。
生成十六进制模型文件。假设您具有已编译的mnn模型或rknn模型，则只要执行以下操作，就可以生成一个十六进制模型文件：xxd-iface _det.mnnface _det.cpp 2.生成头文件和cpp文件cpp文件是由xdd创建该工具已生成，文件格式如下（文件太大，仅前两个部分被截取）：3.使用createfrombuffer接口实现模型加载。
我们以MNN接口为例。核心代码块如下：成功编译后，可以将AI固定到模型SDK的so库中。
为了保护其模型IP，他们通常会对模型产生一些困惑。下面我们介绍另一种方法createfrombuffer。
在编译算法SDK的阶段，可以将AI模型编译为机器码，并且可以在加载算法时从堆栈存储器中加载算法。这样，模型的参数和定义将不会暴露给用户级别。
目前，MNN，NCNN和RKNN都提供了一个类似的createfrombuffer接口，非常方便用户使用。使用方法也非常简单。
该操作分为以下三个步骤：（1）生成十六进制模型文件（2）生成头文件和cpp文件（3）使用createfrombuffer加载模型1。生成十六进制模型该文件可以使用linux提供的xdd工具来完成。
生成十六进制模型文件。假设您具有已编译的mnn模型或rknn模型，则只要执行以下操作，就可以生成一个十六进制模型文件：xxd-iface _det.mnnface _det.cpp 2.生成头文件和cpp文件cpp文件是由xdd创建该工具已生成，文件格式如下（文件太大，仅前两个部分被截取）：3.使用createfrombuffer接口实现模型加载。
我们以MNN接口为例。核心代码块如下：成功编译后，可以将AI固定到模型SDK的so库中。