轻量级部署，腾讯优图开源深度学习推理框架TNN

kekgn

从学界到工业界，“开源”已经成为AI领域的一个关键词。一方面，它以“授人以渔”的方式为AI构建了一个开放共进的生态环境，帮助行业加速AI应用落地；另一方面，在解决行业实际问题时持续更新和迭代，源源不断地给AI领域输送重要的技术养料和创造力，可以说开源是AI落地和繁荣不可或缺的源动力。

6月10日，腾讯优图实验室宣布正式开源新一代移动端深度学习推理框架TNN，通过底层技术优化实现在多个不同平台的轻量部署落地，性能优异、简单易用。基于TNN，开发者能够轻松将深度学习算法移植到手机端高效的执行，开发出人工智能 APP，真正将 AI 带到指尖。

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、轻量级移动端推理框架TNN。

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%。

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。

sml008

bidezhi7777