Release Support TensorFlow Lite benchmark for android platform · AI-performance/embedded-ai.bench

Release bench result of embedded-ai.bench for ncnn/tnn/mnn

测试标准基于：embedded-ai.bench Spec（ADB Shell环境 benchmark公约）；
测试框架：4个。MNN/TNN/NCNN/TFLite；
测试平台：2个。android-armv7，android-aarch64；
硬件后端：CPU（1/2/4线程），GPU（CL/GL/VK，若有），XNNPACK（仅TFLite）；
测试模型：4个。tensorflow_mobilenetv1、tensorflow_mobilenetv2、caffe_mobilenetv1、caffe_mobilenetv2。TFLite仅有TF模型+tf_squeezeNet1.1，NCNN仅有Caffe模型；
涵盖12部手机，对应SoC分别为：
1. 高通骁龙系列：865/855/845/835/625/410；
2. 华为麒麟系列：990/980/820/810；
3. 三星猎户座系列：exynos5。
总计1514条benchmark数据；
具体见本仓库根目录下的文件：20200920-bench:ncnn-tnn-mnn-tflite-androidv7v8-cpugpu.csv。
具体见本仓库根目录下的文件：20200920-bench:ncnn-tnn-mnn-tflite-androidv7v8-cpugpu.csv。
具体见本仓库根目录下的文件：20200920-bench:ncnn-tnn-mnn-tflite-androidv7v8-cpugpu.csv。

注：因为是CSV文件，可以用Excel表格打开。通过对【表格】->【筛选】功能，对表头筛选，进行细致分析。本次不给结论，在不同的手机上，不同框架表现不同。

下图是benchmark的参考示例：

framework	branch	commit_id	model_name	platform	soc_code	soc_name	cpu	gpu	npu	product	power_mode	backend	cpu_thread_num	avg	max	min	std_dev	battery_level	system_version	repeats	warmup	imei
mnn	master	3ea9dd1	caffe_mobilenetv1	android-armv7	kirin810	kirin810	[email protected][email protected]	Mali-G52	D100@Lite	SPN-AL00	big_cores	ARM	1	249.221	252.995	246.358	1.495	100	9	100	20	A00000B7D25778
mnn	master	3ea9dd1	caffe_mobilenetv1	android-armv7	kirin810	kirin810	[email protected][email protected]	Mali-G52	D100@Lite	SPN-AL00	big_cores	ARM	2	125.97	133.192	124.363	1.038	100	9	100	20	A00000B7D25778
mnn	master	3ea9dd1	caffe_mobilenetv1	android-armv7	kirin810	kirin810	[email protected][email protected]	Mali-G52	D100@Lite	SPN-AL00	big_cores	ARM	4	70.384	75.003	68.117	1.08	100	9	100	20	A00000B7D25778