深度学习在经历了几年的大发展后，应用的需求和场景不断拓展和丰富。深度学习对算力了巨大需求一直制约着更广泛的落地。在移动端，这个问题一直极为突出：手机处理器性能弱、算力无法多机拓展、运算耗时长直接导致发热和高功耗，这些问题都与app的用户体验关系巨大。优图实验室作为公司最早将深度学习在移动端推广的实验室之一，在这一方面有着持续的积累。2017年，优图实验室开源了ncnn推断框架，是首个专注于移动端的开源推断框架，在业界收到了广泛的推崇，至今在GitHub上获得了8.9kstar和2.3k fork。

随后，深度学习在更多领域开花结果，我们在ncnn基础上持续迭代、重构，进一步优化性能，拓展更多平台支持。我们也继续选择回馈社区，与广大社区开发者共同推进深度学习加速组件的进步。同时为了防止破坏ncnn良好的开发者生态，我们将它重新命名为TNN。

TNN是一套高性能、轻量级移动端推断框架。最大特点是面向底层不同硬件架构，进行了深度适配和极致的性能优化。TNN沉淀和整合了优图团队内部框架Rapidnet和开源框架ncnn多年来在深度学习、性能调优、内存优化等各方面大量的技术积累，同时也学习和借鉴了业界最新框架的优缺点，进一步优化打磨而成.

轻量级部署，TNN助力深度学习提速增效

深度学习对算力的巨大需求一直制约着其更广泛的落地，尤其是在移动端，由于手机处理器性能弱、算力无法多机拓展、运算耗时长等因素常常导致发热和高功耗，直接影响到app等应用的用户体验。腾讯优图基于自身在深度学习方面的技术积累，并借鉴业内主流框架优点，推出了针对手机端的高性能、轻量级移动端推断框架TNN。

TNN在设计之初便将移动端端高性能融入核心理念，在2017年开源ncnn框架的基础上持续优化、重构。通过GPU深度调优、ARM SIMD深入汇编指令调优、低精度计算等技术手段，在性能上取得了进一步提升。以下是MNN, ncnn, TNN框架在多款主流平台的实测性能：

TNN在麒麟970、骁龙835、骁龙845，骁龙615平台实测性能数据

注：纵轴单位：ms  测试分支：MNN:1.0.0(2020.05.07),ncnn:20200413, TNN: master(2020.06.10)

测试模型：https://github.com/alohali/benchmark-models

低精度计算的运用对TNN的性能提升发挥了重要作用。在神经网络计算中，浮点精度在许多研究和业务落地成果上都被证明存在一定冗余，而在计算、内存资源都极为紧张的移动端，消除这部分冗余极为必要。TNN引入了INT8、FP16、 BFP16等多种计算低精度的支持，相比大部分仅提供INT8支持的框架，不仅能灵活适配不同场景，还让计算性能大大提升。TNN通过采用8bit整数代替float进行计算和存储，模型尺寸和内存消耗均减少至1/4，在计算性能上提升50%以上。同时引入arm平台BFP16的支持，相比浮点模型，BFP16使模型尺寸、内存消耗减少50%，在中低端机上的性能也提升约20%。骁龙615平台实测：

通用、轻便是TNN框架的另一大亮点。长久以来，不同框架间的模型转换都是AI项目应用落地的痛点。TNN设计了与平台无关的模型表示，为开发人员提供统一的模型描述文件和调用接口，支持主流安卓、iOS等操作系统，适配CPU、GPU、NPU硬件平台。企业一套流程就能部署到位，简单易用、省时省力。同时， TNN通过ONNX可支持TensorFlow, Pytorch, MxNet,Caffe等多种训练框架，目前支持ONNX算子超过80个，覆盖主流CNN网络。TNN所有算子均为源码直接实现，不依赖任何第三方，接口易用，切换平台仅需修改调用参数即可。

拥抱“新基建”，用AI底层技术助推产业发展

TNN已于3月中旬在腾讯内部开源，为腾讯QQ、QQ空间、微视、腾讯云、天天P图等多款产品和服务中持续提供技术能力，释放出极大的效能。

“目前，TNN移动端已在GitHub上开源，届时欢迎业界人士参与协同共建，共同打造更优的移动端推理框架。“腾讯优图实验室副总经理吴永坚介绍，腾讯优图后续将在现有CV业务的基础上研发更多的AI推理模型，如语音、NLP等相关业务，同时开展针对CPU、GPU服务器端的服务，为业界公司提供更广泛的优化服务。

      随着以开源为代表的新代码文化的兴起，腾讯近年来在开源领域表现亮眼：在全球最大的代码托管平台GitHub上，腾讯发布的开源项目已经超过一百个，涵盖云原生、大数据、AI、云计算、安全、硬件等多个热门的技术方向。

通过开源协同，腾讯将各个事业群最底层和共性的技术能力进行梳理和拉通，在业务实践和海量用户检验下，优质的内部开源项目不仅在公司层面推广复用，同时也对外贡献整个开源社区。仅在GitHub上，腾讯的开源项目就收获了30w+star数，跻身国际上有影响力的开源企业之一。

在开源的道路上，腾讯不仅将内部优质项目持续对外开放，也积极与开源社区协同合作，发挥中国企业的科技力量，推动开源和开放进一步升级。

TNN 开源地址

https://github.com/Tencent/TNN

（点击文末阅读原文直接访问）

请给项目 一个 Star !

欢迎提出你的 issue 和 PR！

 国内镜像地址：

https://git.code.tencent.com/Tencent_Open_Source/TNN

（登录后才能访问公开项目）

腾讯工蜂源码系统为开源开发者提供完整、最新的腾讯开源项目国内镜像