Tengine Lite嵌入式设备推理引擎

不解决好这 3 大矛盾，就别搞 DevOps 了>>>>>>

Tengine Lite 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快速、高效部署。为实现众多 AIoT 应用中跨平台部署，本项目基于原有 Tengine 项目使用 C 语言进行重构，针对嵌入式设备资源有限的特点进行深度框架裁剪。同时采用完全分离的前后端设计，利于 CPU、GPU、NPU 等异构计算单元快速移植和部署。同时兼容 Tengine 框架原有 API 和 模型格式 tmfile，降低评估、迁移成本。

Tengine Lite 核心代码由 4 个模块组成：

• dev： 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；
• lib：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；
• op：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。

架构简析

如何使用

编译

• 快速编译 基于 cmake 实现简单的跨平台编译。

示例

• examples 提供基础的分类、检测算法用例，根据 issue 需求持续更新。

模型仓库

• Tengine model zoo 兼容原有 Tengine 的模型示例仓库（密码：hhgc）。

转换工具

• 预编译版本：提供 Linux 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。

速度评估

• Benchmark 基础网络速度评估工具，欢迎大家更新。

Roadmap

• Road map