0. 简介：
Neuropilot是MTK AI ecosystem的中心。其目标是在终端设备(边缘设备)上运行AI程序，而非在服务器端运行。以此加强私密性和降低网络成本。
Neuropilot是一系列软件工具和API. 借助这些工具，用户可以在MTK设备上开发和部署AI程序。
借助这些工具，用户可以将Tensorflow, Tensorflow Lite, Caffe等格式模型检查，加载和转换为MTK优化过的模型格式。对于Android平台，Neuropilot为NNAPI做了扩展，使得AI程序在MTK设备上有更好的表现。
Neuropilot提供命令行工具组Neuropilot MLKit将模型转换为MTK 量化过的TF Lite模型。
NNAPI添加入NDK,可以在运行神经网络时使用GPU和MDLA内核， 而Neuropilot优化了NNAPI,使之在MTK设备上有更好的表现。
Neuropilot还包含一个模拟器----APU Simulator。
支持在Android操作系统和嵌入式Linux操作系统运行。
1. 总体开发流程如下：
1.1: 总体流程：
A.将训练好的模型(FP32)使用NeuroPilot各种工具进行优化。(MTK也有自己的TOCO工具)
B.加载此优化后的模型进行推理。
1.2. Android平台：
1.2.1: 程序方式：
三种方式选择：
A. Native C方式，使用C++开发，并使用Android NNAPI接口。
B. JNI方式。APP使用JNI方式访问TF Lite的C++版本。
C. Jave原生方式。使用Java版本的TF Lite接口。
1.3. 嵌入式Linux平台：
两种方式：
A. C++应用程序，使用 TF Lite C++ 接口来加载和执行 NN 模型。
B. C++应用程序， 使用Neuron C++ API 来加载和执行一个 NN 模型。
附1：
NNAPI简介。
NNAPI在r17时被加入NDK. 作为底层，可以支撑上层深度学习框架Tensorflow, Caffe等高效完成推理。
对应用程序开发者，Google官方不推荐直接使用NNAPI, 而是只与TF Lite之类的机器学习框架打交道，构建出适用于TF Lite的模型并部署到Andoroid设备上，其余的工作交给TF Lite和NNAPI 完成。
NNAPI 具有机器学习框架的功能，只不过跟 TF Lite 比起来，NNAPI 更加底层，功能有限，没有那么多花哨的东西。不仅如此，NNAPI 还具有 NN Runtime 这个功能强大的执行引擎，能够利用安卓设备上各种 XPU，合理分配计算量，提高运算速度。
TF Lite 与 NNAPI 对接，使 TF Lite 的内部执行调用 NNAPI 完成
google 开源了 TensorFLow Lite，并且在 Android 8.1 版本上为 DSP、GPU、和神经网络芯片等硬件加速器支持了神经网络 API，为了在 Android 移动设备上全面支持 AI 做足了准备.
可以使用TOCO工具将Tensorflow PB模型转换为TF Lite模型。
