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。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。
- 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