從學界到工業(yè)界，“開源”已經(jīng)成為AI領域的一個關鍵詞。一方面，它以“授人以漁”的方式為AI構(gòu)建了一個開放共進的生態(tài)環(huán)境，幫助行業(yè)加速AI應用落地;另一方面，在解決行業(yè)實際問題時持續(xù)更新和迭代，源源不斷地給AI領域輸送重要的技術養(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力。
6月10日，騰訊優(yōu)圖實驗室宣布正式開源新一代移動端深度學習推理框架TNN，通過底層技術優(yōu)化實現(xiàn)在多個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習算法移植到手機端高效的執(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助力深度學習提速增效
深度學習對算力的巨大需求一直制約著其更廣泛的落地，尤其是在移動端，由于手機處理器性能弱、算力無法多機拓展、運算耗時長等因素常常導致發(fā)熱和高功耗，直接影響到app等應用的用戶體驗。騰訊優(yōu)圖基于自身在深度學習方面的技術積累，并借鑒業(yè)內(nèi)主流框架優(yōu)點，推出了針對手機端的高性能、輕量級移動端推理框架TNN。
TNN在設計之初便將移動端高性能融入核心理念，對2017年開源的ncnn框架進行了重構(gòu)升級。通過GPU深度調(diào)優(yōu)、ARM SIMD深入?yún)R編指令調(diào)優(yōu)、低精度計算等技術手段，在性能上取得了進一步提升。以下是MNN, ncnn, TNN框架在多款主流平臺的實測性能：
TNN在麒麟970、驍龍835、驍龍845，驍龍615平臺實測性能數(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：https://github.com/alohali/benchmark-models
低精度計算的運用對TNN的性能提升發(fā)揮了重要作用。在神經(jīng)網(wǎng)絡計算中，浮點精度在許多研究和業(yè)務落地成果上都被證明存在一定冗余，而在計算、內(nèi)存資源都極為緊張的移動端，消除這部分冗余極為必要。TNN引入了INT8、 FP16、 BFP16等多種計算低精度的支持，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，還讓計算性能大大提升。TNN通過采用8bit整數(shù)代替float進行計算和存儲，模型尺寸和內(nèi)存消耗均減少至1/4，在計算性能上提升50%以上。同時引入arm平臺BFP16的支持，相比浮點模型，BFP16使模型尺寸、內(nèi)存消耗減少50%，在中低端機上的性能也提升約20%。驍龍615平臺實測：
通用、輕便是TNN框架的另一大亮點。長久以來，不同框架間的模型轉(zhuǎn)換都是AI項目應用落地的痛點。TNN設計了與平臺無關的模型表示，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、省時省力。同時， TNN通過ONNX可支持TensorFlow, PyTorch, MXNet, Caffe等多種訓練框架，目前支持ONNX算子超過80個，覆蓋主流CNN網(wǎng)絡。TNN所有算子均為源碼直接實現(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底層技術助推產(chǎn)業(yè)發(fā)展
事實上，作為騰訊旗下頂級AI實驗室，騰訊優(yōu)圖長期致力于AI基礎設施的研發(fā)和推進。此前，騰訊優(yōu)圖已開發(fā)了Rapidnet 前向計算框架、RapidAIoT 邊緣計算框架，實現(xiàn)了業(yè)界首個專注移動端的推斷框架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)品和服務中持續(xù)提供技術能力，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)的移動端推理框架。“騰訊優(yōu)圖實驗室副總經(jīng)理吳永堅介紹，騰訊優(yōu)圖后續(xù)將在現(xiàn)有CV業(yè)務的基礎上研發(fā)更多的AI推理模型，如語音、NLP等相關業(yè)務，同時開展針對CPU、GPU服務器端的服務，為業(yè)界公司提供更廣泛的優(yōu)化服務。 “作為產(chǎn)業(yè)發(fā)展的高速公路，以深度學習框架、組件為代表的AI基礎設施將是未來的主流趨勢，騰訊優(yōu)圖也將以此為著力點，助推產(chǎn)業(yè)發(fā)展。”吳永堅表示，騰訊優(yōu)圖還將持續(xù)開發(fā)模型訓練組件、模型壓縮組件、基礎算法組件，并擇機開源，希望從框架到平臺、到算法，打造一體化的AI基礎設施，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)布的開源項目已經(jīng)超過一百個，涵蓋云原生、大數(shù)據(jù)、AI、云計算、安全、硬件等多個熱門的技術方向。
通過開源協(xié)同，騰訊將各個事業(yè)群最底層和共性的技術能力進行梳理和拉通，在業(yè)務實踐和海量用戶檢驗下，優(yōu)質(zhì)的內(nèi)部開源項目不僅在公司層面推廣復用，同時也對外貢獻整個開源社區(qū)。僅在Github上，騰訊的開源項目就收獲了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，推動開源和開放進一步升級。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
