從學(xué)界到工業(yè)界，“開源”已經(jīng)成為AI領(lǐng)域的一個(gè)關(guān)鍵詞。一方面，它以“授人以漁”的方式為AI構(gòu)建了一個(gè)開放共進(jìn)的生態(tài)環(huán)境，幫助行業(yè)加速AI應(yīng)用落地；另一方面，在解決行業(yè)實(shí)際問題時(shí)持續(xù)更新和迭代，源源不斷地給AI領(lǐng)域輸送重要的技術(shù)養(yǎng)料和創(chuàng)造力，可以說開源是AI落地和繁榮不可或缺的源動(dòng)力。

6月10日，騰訊優(yōu)圖實(shí)驗(yàn)室宣布正式開源新一代移動(dòng)端深度學(xué)習(xí)推理框架TNN，通過底層技術(shù)優(yōu)化實(shí)現(xiàn)在多個(gè)不同平臺的輕量部署落地，性能優(yōu)異、簡單易用?；赥NN，開發(fā)者能夠輕松將深度學(xué)習(xí)算法移植到手機(jī)端高效的執(zhí)行，開發(fā)出人工智能APP，真正將 AI 帶到指尖。

輕量級部署，TNN助力深度學(xué)習(xí)提速增效

深度學(xué)習(xí)對算力的巨大需求一直制約著其更廣泛的落地，尤其是在移動(dòng)端，由于手機(jī)處理器性能弱、算力無法多機(jī)拓展、運(yùn)算耗時(shí)長等因素常常導(dǎo)致發(fā)熱和高功耗，直接影響到app等應(yīng)用的用戶體驗(yàn)。騰訊優(yōu)圖基于自身在深度學(xué)習(xí)方面的技術(shù)積累，并借鑒業(yè)內(nèi)主流框架優(yōu)點(diǎn)，推出了針對手機(jī)端的高性能、輕量級移動(dòng)端推理框架TNN。

TNN在設(shè)計(jì)之初便將移動(dòng)端高性能融入核心理念，對2017年開源的ncnn框架進(jìn)行了重構(gòu)升級。通過GPU深度調(diào)優(yōu)、ARM SIMD深入匯編指令調(diào)優(yōu)、低精度計(jì)算等技術(shù)手段，在性能上取得了進(jìn)一步提升。以下是MNN， ncnn， TNN框架在多款主流平臺的實(shí)測性能：

TNN在麒麟970、驍龍835、驍龍845，驍龍615平臺實(shí)測性能數(shù)據(jù)

注：縱軸單位：ms 測試分支：MNN:1.0.0（2020.05.07）， ncnn:20200413， TNN： master（2020.06.10）

測試模型：

低精度計(jì)算的運(yùn)用對TNN的性能提升發(fā)揮了重要作用。在神經(jīng)網(wǎng)絡(luò)計(jì)算中，浮點(diǎn)精度在許多研究和業(yè)務(wù)落地成果上都被證明存在一定冗余，而在計(jì)算、內(nèi)存資源都極為緊張的移動(dòng)端，消除這部分冗余極為必要。TNN引入了INT8、 FP16、 BFP16等多種計(jì)算低精度的支持，相比大部分僅提供INT8支持的框架，不僅能靈活適配不同場景，還讓計(jì)算性能大大提升。TNN通過采用8bit整數(shù)代替float進(jìn)行計(jì)算和存儲，模型尺寸和內(nèi)存消耗均減少至1/4，在計(jì)算性能上提升50%以上。同時(shí)引入arm平臺BFP16的支持，相比浮點(diǎn)模型，BFP16使模型尺寸、內(nèi)存消耗減少50%，在中低端機(jī)上的性能也提升約20%。驍龍615平臺實(shí)測：

通用、輕便是TNN框架的另一大亮點(diǎn)。長久以來，不同框架間的模型轉(zhuǎn)換都是AI項(xiàng)目應(yīng)用落地的痛點(diǎn)。TNN設(shè)計(jì)了與平臺無關(guān)的模型表示，為開發(fā)人員提供統(tǒng)一的模型描述文件和調(diào)用接口，支持主流安卓、iOS等操作系統(tǒng)，適配CPU、 GPU、NPU硬件平臺。企業(yè)一套流程就能部署到位，簡單易用、省時(shí)省力。同時(shí)， TNN通過ONNX可支持TensorFlow， PyTorch， MXNet， Caffe等多種訓(xùn)練框架，目前支持ONNX算子超過80個(gè)，覆蓋主流CNN網(wǎng)絡(luò)。TNN所有算子均為源碼直接實(shí)現(xiàn)，不依賴任何第三方，接口易用，切換平臺僅需修改調(diào)用參數(shù)即可。

開源文化興起，AI底層技術(shù)助推產(chǎn)業(yè)發(fā)展

事實(shí)上，作為騰訊旗下頂級AI實(shí)驗(yàn)室，騰訊優(yōu)圖長期致力于AI基礎(chǔ)設(shè)施的研發(fā)和推進(jìn)。此前，騰訊優(yōu)圖已開發(fā)了Rapidnet 前向計(jì)算框架、RapidAIoT 邊緣計(jì)算框架，實(shí)現(xiàn)了業(yè)界首個(gè)專注移動(dòng)端的推斷框架ncnn的開源，并在業(yè)界受到廣泛推崇。從2017年開源至今，ncnn在GitHub上star（8.9k）和 fork（2.3k）數(shù)均領(lǐng)先于其它各大推理框架。

據(jù)悉，TNN已于3月中旬在騰訊內(nèi)部開源，為騰訊QQ、QQ空間、騰訊微視、騰訊云、天天P圖等多款產(chǎn)品和服務(wù)中持續(xù)提供技術(shù)能力，釋放出更多效能。

“TNN已在GitHub上開源，歡迎業(yè)界人士參與協(xié)同共建，共同打造更優(yōu)的移動(dòng)端推理框架?！膀v訊優(yōu)圖實(shí)驗(yàn)室副總經(jīng)理吳永堅(jiān)介紹，騰訊優(yōu)圖后續(xù)將在現(xiàn)有CV業(yè)務(wù)的基礎(chǔ)上研發(fā)更多的AI推理模型，如語音、NLP等相關(guān)業(yè)務(wù)，同時(shí)開展針對CPU、GPU服務(wù)器端的服務(wù)，為業(yè)界公司提供更廣泛的優(yōu)化服務(wù)。 “作為產(chǎn)業(yè)發(fā)展的高速公路，以深度學(xué)習(xí)框架、組件為代表的AI基礎(chǔ)設(shè)施將是未來的主流趨勢，騰訊優(yōu)圖也將以此為著力點(diǎn)，助推產(chǎn)業(yè)發(fā)展?！眳怯缊?jiān)表示，騰訊優(yōu)圖還將持續(xù)開發(fā)模型訓(xùn)練組件、模型壓縮組件、基礎(chǔ)算法組件，并擇機(jī)開源，希望從框架到平臺、到算法，打造一體化的AI基礎(chǔ)設(shè)施，降低AI門檻，加速產(chǎn)業(yè)發(fā)展。

隨著以開源為代表的新代碼文化的興起，騰訊近年來在開源領(lǐng)域表現(xiàn)亮眼：在全球最大的代碼托管平臺GitHub上，騰訊發(fā)布的開源項(xiàng)目已經(jīng)超過一百個(gè)，涵蓋云原生、大數(shù)據(jù)、AI、云計(jì)算、安全、硬件等多個(gè)熱門的技術(shù)方向。

通過開源協(xié)同，騰訊將各個(gè)事業(yè)群最底層和共性的技術(shù)能力進(jìn)行梳理和拉通，在業(yè)務(wù)實(shí)踐和海量用戶檢驗(yàn)下，優(yōu)質(zhì)的內(nèi)部開源項(xiàng)目不僅在公司層面推廣復(fù)用，同時(shí)也對外貢獻(xiàn)整個(gè)開源社區(qū)。僅在Github上，騰訊的開源項(xiàng)目就收獲了30w+star數(shù)，躋身國際上有影響力的開源企業(yè)之一。

在開源的道路上，騰訊不僅將內(nèi)部優(yōu)質(zhì)項(xiàng)目持續(xù)對外開放，也積極與開源社區(qū)協(xié)同合作，發(fā)揮中國企業(yè)的科技力量，推動(dòng)開源和開放進(jìn)一步升級。

責(zé)任編輯：gt