Tengine 由 OPEN AI LAB 主导开发,该项目实现了深度学习神经网络模型在嵌入式设备上的快速、高效部署需求。为实现在众多 AIoT 应用中的跨平台部署,本项目使用 C 语言进行核心模块开发,针对嵌入式设备资源有限的特点进行了深度框架裁剪。同时采用了完全分离的前后端设计,有利于 CPU、GPU、NPU 等异构计算单元的快速移植和部署,降低评估、迁移成本。
Tengine 核心代码由 4 个模块组成:
- device:NN Operators 后端模块,当前提供 CPU 代码,后续逐步开源 GPU、NPU 参考代码;
- scheduler:框架核心部件,包括 NNIR、计算图、硬件资源、模型解析器的调度和执行模块;
- operator:NN Operators 前端模块,实现 NN Operators 注册、初始化;
- serializer:模型解析器,实现 tmfile 格式的网络模型参数解析。
- 快速编译 基于 cmake 实现简单的跨平台编译。
- examples 提供基础的分类、检测算法用例,根据 issue 需求持续更新。
- Tengine model zoo 兼容原有 Tengine 的模型示例仓库(密码:hhgc)。
- 预编译版本:提供 Ubuntu 18.04 系统上预编译好的模型转换工具;
- 在线转换版本:基于 WebAssembly 实现(浏览器本地转换,模型不会上传);
- 源码编译:参考 Tengine-Convert-Tools 项目编译生成,建议采用。
- 预编译版本:提供 Ubuntu 18.04 系统上预编译好的模型量化工具,已支持uint8/int8。
- Benchmark 基础网络速度评估工具,欢迎大家更新。
- TIM-VX VeriSilicon NPU 使用指南。
- AutoKernel 是一个简单易用,低门槛的自动算子优化工具,AutoKernel Plugin实现了自动优化算子一键部署到Tengine中。
Tengine Lite 参考和借鉴了下列项目:
- Github issues
- QQ 群: 829565581
- Email: [email protected]
- Tengine 社区: http://www.tengine.org.cn