MNN

MNN

高效轻量的深度学习框架,支持多设备推理和训练

MNN是一个高效轻量的深度学习框架,支持设备上的推理和训练。已被阿里巴巴30多个应用集成,覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备,支持TensorFlow、Caffe、ONNX等多种模型格式,并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench,用户可以下载预训练模型、进行可视化训练并一键部署到设备上。

MNN深度学习框架推理引擎轻量级高性能Github开源项目

MNN:高效轻量级深度学习框架

简介

MNN是一个高效轻量级的深度学习框架,由阿里巴巴开发。它支持深度学习模型的推理和训练,在设备端推理和训练方面具有领先的性能。目前,MNN已经集成到阿里巴巴30多个应用中,包括淘宝、天猫、优酷、钉钉、闲鱼等,覆盖了直播、短视频、搜索推荐、以图搜货、互动营销、权益分发、安全风控等70多个应用场景。此外,MNN还被应用于物联网等嵌入式设备中。

主要特点

轻量级

MNN经过专门优化,可以轻松部署到移动设备和各种嵌入式设备上:

  • iOS平台:完整选项的armv7+arm64静态库大小约12MB,链接后可执行文件增加约2MB。
  • Android平台:核心so库大小约800KB(armv7a - c++_shared)。
  • 使用MNN_BUILD_MINI可以将包大小减少约25%,但会限制固定模型输入大小。
  • 支持FP16/Int8量化,可以将模型大小减少50%-70%。

通用性

MNN支持多种深度学习框架和模型类型:

  • 支持TensorFlow、Caffe、ONNX、Torchscripts等框架。
  • 支持CNN、RNN、GAN、Transformer等常见神经网络。
  • 支持多输入多输出模型、各种维度格式、动态输入、控制流等特性。
  • 支持iOS 8.0+、Android 4.3+以及具有POSIX接口的嵌入式设备。
  • 支持CPU和GPU的混合计算。

高性能

MNN采用多种优化技术以实现高性能:

  • 使用大量优化的汇编代码实现核心计算,充分利用ARM/x64 CPU。
  • 使用Metal/OpenCL/Vulkan支持移动端GPU推理。
  • 使用CUDA和tensorcore支持NVIDIA GPU以获得更好的性能。
  • 卷积和转置卷积算法高效稳定,广泛使用Winograd卷积算法。
  • 对支持FP16的新架构ARMv8.2性能提升2倍,对ARMv8.2和VNNI使用sdot可提升2.5倍。

易用性

MNN提供了多种易用功能:

  • 支持使用MNN的算子进行类似NumPy的数值计算。
  • 支持轻量级图像处理模块,类似OpenCV但只有100k大小。
  • 支持在PC/移动端构建模型并进行训练。
  • MNN Python API让机器学习工程师可以轻松使用MNN进行推理、训练和图像处理,无需接触C++代码。

工具

基于MNN的张量计算引擎,提供了一系列用于推理、训练和通用计算的工具:

  • MNN-Converter:将其他模型转换为MNN模型用于推理,支持TensorFlow(lite)、Caffe、ONNX、Torchscripts等,并进行图优化以减少计算量。
  • MNN-Compress:压缩模型以减小大小并提高性能/速度。
  • MNN-Express:支持具有控制流的模型,使用MNN的算子进行通用计算。
  • MNN-CV:类似OpenCV的库,但基于MNN,因此更加轻量级。
  • MNN-Train:支持训练MNN模型。

社区支持

MNN提供了钉钉讨论群以方便用户交流和获取帮助。虽然讨论主要以中文进行,但也欢迎并会帮助英语使用者。

总结

MNN是一个功能强大、性能优异、易于使用的深度学习框架,特别适合移动和嵌入式设备。它在阿里巴巴内部得到了广泛应用,并作为开源项目为整个AI社区提供服务。无论是用于研究还是生产,MNN都是一个值得考虑的优秀选择。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多