快速开始¶
使用TNN非常简单，如果你有一个已经训练好的模型, 那么一般而言通过以下三个步骤就能完成模型在目标平台上的部署。
- 第一步是把训练好的模型转换成TNN的模型，为此我们提供了丰富的工具来帮助你完成这一步，无论你使用的是Tensorflow、Pytorch、或者Caffe，都可以轻松完成转换。 详细的手把手教程可以参见这里如何转换模型。
- 当你完成了模型的转换，第二步就是编译目标平台的TNN引擎了，你可以根据自己的目标平台的硬件支持情况，选择CPU/ARM/OpenCL/Metal/NPU等加速方案。 对于这些平台，TNN都提供了一键编译的脚本，使用非常方便。详细步骤可以参考这里如何编译TNN。
- 最后一步就是使用编译好的TNN引擎进行推理，你可以在自己的应用程序中嵌入对TNN的调用，这方面我们提供了丰富而详实的demo来帮助你完成。
技术方案¶
TNN作为一个移动端高性能、轻量级的推断框架，同时拥有跨平台、高性能、模型压缩、代码裁剪等众多突出优势。TNN框架借鉴了业界主流开源框架的优点，沉淀和整合了优图实验室Rapidnet，ncnn框架上的积累，并联合深度学习框架OTeam各个部门（PCG，TEG，IEG），共同打造公司级统一移动端推断框架。 目前，TNN已在各大实际业务中上线，其具有的以下特性获得了广泛的好评。
- 计算优化
- 针对不同架构在硬件指令发射、吞吐、延迟、缓存带宽、缓存延迟、寄存器数量等特点，深度优化底层算子，极致利用硬件算力
- 主流硬件平台(CPU: ARMv7， ARMv8， GPU: Mali， Adreno， Apple) 深度调优
- CNN核心卷积运算通过Winograd， Tile-GEMM， Direct Conv等多种算法实现，保证不同参数、计算尺度下高效计算
- Op融合：离线分析网络计算图，多个小Op（计算量小、功能较简单）融合运算，减少反复内存读取、kernel启动等开销
- 低精度优化
- 支持INT8， FP16低精度计算，减少模型大小、内存消耗，同时利用硬件低精度计算指令加速计算
- 支持INT8 WINOGRAD算法，（输入6bit）， 在精度满足要求的情况下，进一步降低模型计算复杂度
- 支持单模型多种精度混合计算，加速计算同时保证模型精度
- 内存优化
- 高效”内存池”实现：通过DAG网络计算图分析，实现无计算依赖的节点间复用内存，降低90%内存资源消耗
- 跨模型内存复用：支持外部实时指定用于网络内存，实现“多个模型，单份内存”。
- 主流模型实测性能：v0.1 2020.05.29
麒麟970：
| model | cpu time(single thread, ms) | gpu time(ms) | npu time(ms) |
|---|---|---|---|
| Mobilenet_v1 | 88 | 12 | 4.9 |
| Mobilenet_v1_int8 | 55 | ||
| Mobilenet_v2 | 58 | 11 | 8.0 |
| Mobilenet_v2_int8 | 41 | ||
| squeezenet_v1.0 | 127 | 20 | 5.1 |
| squeezenet_v1.0_int8 | 82 |
骁龙835：
| model | cpu 1 thread(ms) | gpu time(ms) |
|---|---|---|
| Mobilenet_v1 | 94 | 16 |
| Mobilenet_v1_int8 | 62 | |
| Mobilenet_v2 | 61 | 14 |
| Mobilenet_v2_int8 | 47 | |
| squeezenet_v1.0 | 122 | 28 |
| squeezenet_v1.0_int8 | 93 |
骁龙845：
| model | cpu 1 thread(ms) | gpu time(ms) |
|---|---|---|
| Mobilenet_v1 | 60 | 10 |
| Mobilenet_v1_int8 | 37 | |
| Mobilenet_v2 | 39 | 8 |
| Mobilenet_v2_int8 | 28 | |
| squeezenet_v1.0 | 74 | 14 |
| squeezenet_v1.0_int8 | 56 |
TNN架构图：
通过ONNX支持TensorFlow， Pytorch， MxNet， Caffe等多种训练框架，充分利用和融入不断完善的ONNX开源生态。当前支持ONNX算子55个，近期会完善到约80个，覆盖主流CNN网络
支持主流安卓、iOS、embedded Linux，windows操作系统，支持ARM CPU， GPU硬件平台（近期还会加入达芬奇NPU支持）
模块化设计，将模型解析、计算图构建、优化、底层硬件适配、高性能kernel实现各部分抽象隔离，通过Factory Mode注册、构建设备，方便接入更多的底层硬件、加速方案。
Runtime无任何第三方库依赖，CPU动态库尺寸仅约400KB，并提供基础图像变换操作，调用简单便捷。跨平台模型统一、调用接口统一，通过单个配置参数快速切换。
能力展示¶
