OPEN AI LAB丨赋能AI开源生态，Tengine成AI开发利器

现阶段，边缘人工智能的主要挑战有成本、功耗、AI计算能力，以及软件生态构建等问题。芯片公司被迫花大量精力做上层开发环境和平台，应用/算法公司被迫做大量底层适配优化成为全栈AI公司。如何创造性解决这些问题，加速产业协作？

 

嵌入式前端深度学习框架Tengine应运而生

Tengine是由 OPEN AI LAB 开发的一款轻量级模块化高性能神经网络推理引擎，专门针对Arm嵌入式设备优化，并且无需依赖第三方库，可跨平台使用支持Android，Liunx，并支持用GPU、DLA作为硬件加速计算资源异构加速。

Tengine支持各类常见卷积神经网络，包括SqueezeNet，MobileNet，AlexNet，ResNet等，支持层融合、8位量化等优化策略。并且通过调用针对不同CPU微构架优化的HCL库，将Arm CPU的性能充分挖掘出来。

标嵌入式前端深度学习框架Tengine题

作为一款开放计算平台，Tengine的扩展能力非常强，除支持自带的HCL库以外，还支持业界常见的OpenBLAS, Arm Compute Library库。客户还可以很容易拓展自己的算子库，给用户自由的选择。

除此之外，Tengine还能适配芯片上GPU等各类硬件资源甚至是DLA硬件加速器。只需要简单的在Tengine上注册设备并挂载上驱动，就能充分利用芯片上的硬件资源提升计算能力。

Tengine特点-嵌入式场景设计

目前，基于Rockchip RK3399的Rock960率先支持Tengine，RK3399 Cortex-A72 1.8GHz Tengine vs Caffe性能数据上，Tengine单核即超过Caffe双核的性能，硬件利用率大幅度提升。

Tengine特点-计算速度快，运行内存小，模型兼容性好

相比于Caffe，NCNN等其他AI框架，Tengine是为嵌入式设备终端推理量身定制的框架，计算速度快，运行内存小，模型兼容性好。Tengine运行ResNet50所需的物理内存为NCNN的三分之一，Caffe的二分之一。运行MobileNetv1的性能是Caffe的4.9倍，NCNN的2.8倍。

Tengine作为AI 应用框架，不仅对上层应用提供推理API接口，支持主流模型与格式，还在下层定义硬件接口，适配嵌入式平台各类计算模块，此外支持同时运行多个AI应用算法以及调用多个计算模块计算。

因此，Tengine的面世对AI开源生态具有里程碑的意义，可以预见会广泛应用于日益火爆的Face ID人脸门禁、语音识别、机器人多传感融合平台、边缘计算AI服务器等领域，将极大促进Arm生态下AI全领域的技术开发与产品应用的加速发展。

Tengine特点-适配嵌入式平台各类计算模块

 

Tengine应用场景丰富

 

---

关于OPEN AI LAB

OPEN AI LAB（开放智能实验室）于2016年12月成立，由Arm中国联合产业伙伴发起，致力于推动芯片、硬件、算法软件整个产业链的深度合作，加速人工智能产业化应用部署和应用场景边界拓展，为最终实现万物智能贡献力量。

业务合作：[email protected]

了解更多：http://www.openailab.com/?csdn0104