一、骁龙历代产品

在2013年之前，骁龙处理器分为S1，S2，S3，S4四个层级，以区分不同的四代产品。
1. 骁龙S1（2007-2011）：MSM7225/7265采用ARM v6架构、单CPU核心，45nm制程，320MHz的Hexagon QDSP5，未集成GPU；2008年QSD8250/8650发布，Scorpion核心（ARM v7架构），Adreno 200 GPU，600MHz的Hexagon QDSP6。奠定S2/S3形态；
2. 骁龙S2：由MSM8255/8655、MSM7230/7630和APQ8055构成。均采用了Scorpion CPU、Adreno 204 GPU、256MHz Hexagon QDSP5以及支持双通道333MHz LPDDR2内存，45nm制程，功耗降低。MSM8255处理器：HTC Incredible S、HTC Desire S、索尼爱立信LT15i、LT18i、OPPO R807、诺基亚Lumia 800等大多数的WP7系统手机；
3. 骁龙S3：进入双核+1080P时代，产品线短，仅有MSM8260/8660和APQ8060三个版本（MSM8260如HTC Sensation、HTC Sensation XE、索尼LT26i、OPPO X905、小米手机），差异在于网络制式，相同点是均为双核Scorpion CPU、Adreno 220 GPU和400MHz Hexagon QDSP6。骁龙S3与骁龙S2、骁龙S1构成了2010年、2011年间QualcommSoC高中低搭配。
4. 骁龙S4：
1. Play系列：双核MSM8225/8625和四核MSM8225/8625Q，45nm，CPU为Cortex-A5核心与Adreno 203 GPU；
2. Plus系列：双核Krait CPU、Adreno 205 GPU；
3. 高端Pro，Prime系列：MSM8260A/8660A拥有双核Krait CPU、双核/四核Adreno 320。APQ8064拥有高性能四核心Krait CPU。
这一部分虽然只是罗列，但是能看出S1~S4的每一代都几乎都是基于ARM架构+自家DSP+GPU的异构平台。

二、骁龙处理器

后来的骁龙处理器，主要包括：800系列、700系列、600系列、400系列和200系列处理器。
800系列特点：
1. 该系列定位高端。截至目前，855是高通最新的旗舰级手机处理器；
2. 9款：855/845/835/821/820/810/808/805/801/800；
3. Krait架构、ARM公版架构、定制的Kyro架构：
1. 800、801、805都基于Krait架构：该架构基于ARMv7-A指令集、自主设计采用28纳米工艺的全新处理器微架构；
2. 810使用64位ARM公版架构；
3. 骁龙820采用定制架构Kryo：高通推出的首款定制设计的64位CPU架构。821比820性能提升高达10%，此外Hexagon™ 680 DSP 带来性能、电池续航的优化。
其它系列：
• 700系列：高端级，支持人工智能引擎（我猜应该是指SNPE）、功耗优化；
• 600系列：高端级，手机、平板电脑、嵌入式等。15款：670/636/632/660/653/630/626/652/650/617/616/615/610/602A/600；
• 400系列：大众级，10款：450/439/429/427/435/430/425/415/412/400；
• 200系列：入门级，4款：212/210/208/200。
1.3 支持SNPE的处理器
支持SNPE的骁龙处理器列表如下：
• 9款800系列中的5款（855/845/835/821/820）；
• 1款700系列（710）；
• 15款600系列中的6款（660/652/636/630/625/605）；
• 1款400系列（450）。

三、SNPE的特点与工作流

特点：
支持自定义网络
• 支持Snapdragon CPU、Adreno GPU、Hexagon DSP上做推理计算
• 支持x86 Linux系统下对网络执行Debug
• 支持将Caffe, Caffe2, ONNX和TensorFlow模型转换为SNPE的DLC模型
• 支持Hexagon DSP对DLP模型做8位定点的推理计算
• 支持网络Debug和性能分析的工具
• 支持通过C++或Java对模型集成为应用

工作流：
使用SNPE部署模型的一般工作流程分为如下图中所描述的两个阶段：第一阶段由Caffe/Caffe2/TensorFlow完成模型训练；第二阶段将模型部署到高通设备上；部署阶段前，先将模型用SNPE提供的工具，将模型转换为SNPE特有的DLC（Deep Learning Container）文件格式，转换好后就可在骁龙的CPU/GPU/DSP核心上执行推理了。具体步骤如下：
1、将模型转换为SNPE支持的DLC格式；
2、量化是可选的，若部署到Hexagon DSP Runtime或者CPU-FXP即CPU定点，需要离线地对模型做8位定点量化（DSP也可以免去这一离线量化的步骤），离线量化需指定数据；
3、为模型准备用于测试的输入数据：用./models/alexnet/scripts/下的脚本，转换jpg图像文件为raw格式，生成raw_list.txt文件（注：SNPE的输入数据格式是BGR，且每个像素点值BGR是连续的，即NHWC格式。

四、Snapdragon NPE Runtime

全局的Snapdragon NPE Runtime，其包含CPU、GPU和DSP，SNPE软件架构包含：
1、DL Container Loader : 读取由snpe-framework-to-dlc转换工具转换得到的SNPE模型格式的DLC文件；
2、Model Validation : 验证DLC文件与runtime是否匹配（或者说，该支持runtime是否支持该模型），因为在SNPE中，不同Runtime实现了不同的层，并不是说可以拿GPU或者DSP跑通整个网络，可能部分层不支持，需要切换到CPU上，具体不同Runtime支持的层可参考文档Supported Network Layers小节；
3、Runtime Engine : 在需要的rumtime(s)上执行模型，也包括汇总性能分析数据与用户自定义层；
1）Partitioning Logic : 处理模型，也包括用户自定义层、验证信息、 也可对模型分割；
2）对于用户自定义层（UDL），会在执行UDL前后打断执行过程；
4、fallback mode（备选模式）：该模式默认开启，若subnets也就是部分名在不同的runtime上执行如DSP，但是遇到了DSP目前还没实现的层，这时候就会交给CPU来执行，结束后继续交还给Target runtime执行。
5、Compute Runtimes：
1）CPU Runtime：支持float和int8；
2）GPU Runtime：支持float和float16的混合精度；
3）DSP Runtime：基于Q6调度Hexagon DSP来执行模型，Q6会去调用Hexagon NN在HVX(Hexagon Vector eXtensions)上执行计算任务（这里DSP runtime和AIP runtime很像，关于Q6、HVX、HTA关系见后文AIP runtime小节）；
4）AIP Runtime：用Hexagon DSP借助Q6，Hexagon NN和HTA执行模型。 注：另外，在前文设备列表的DSP和AIP部分，可以看到DSP和AIP要么是cDSP或者aDSP。