【叶紫网2019年5月6日】刚刚，阿里巴巴宣布，开源自家轻量级的深度神经网络推理引擎尊龙人生就是博d88MNN（Mobile Neural Network），用于在智能手机、IoT设备等端侧加载深度神经网络模型，进行推理预测。

这是阿里开源的首个移动AI项目，已经用于阿里手机淘宝、手机天猫、优酷等20多个应用之中。覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景。在IoT等移动设备场景下，也有若干应用。

阿里表示，在iOS、Android的CPU、GPU性能上，MNN已经普遍领先业界。

他们选择深度神经网络模型MobileNet V2和SqueezeNet V1.1进行了测试。

Android方面以小米6为例，MobileNet V2上耗费时间约为27毫秒，SqueezeNet V1.1上耗费约为25毫秒，领先业界至少30%；

iOS方面以iPhone 7为例，MobileNet V2上耗费时间约为15毫秒，SqueezeNet V1.1上耗费约为14.8毫秒，领先业界至少15%。

淘宝端智能无线科技技术专家离青说，MNN开源之后，每隔两个月都会进行一次更新，发布经过淘宝应用验证的版本。

MNN的两大功能与四大特点

基于淘宝和达摩院的研究成果，阿里巴巴在2017年10月正式组建了MNN团队。

经过淘宝技术部、搜索工程团队、达摩院团队、优酷等各方力量的打磨，以及双11和集五福等重大业务项目的考验，在离青看来，MNN已经是一个成熟的推理引擎了。

现在，MNN可以提供模型转换和计算推理两部分功能。

模型转换部分帮助开发者兼容不同的训练框架。

当前，MNN已经支持Tensorflow(Lite)、Caffe和ONNX，PyTorch/MXNet的模型可先转为ONNX模型再转到MNN。而且，也能通过算子融合、算子替代、布局调整等方式优化图。

计算推理部分致力于高效完成推理计算。

为了更好地完成对模型的加载、计算图的调度，以及各计算设备下的内存分配、Op实现等任务。

他们在MNN中应用了多种优化方案，包括在卷积和反卷积中应用Winograd算法、在矩阵乘法中应用Strassen算法、低精度计算、多线程优化、内存复用、异构计算等。

MNN架构设计

离青介绍称，在这样的架构设计下，MNN具备了以下的四大特点：

轻量性：针对端侧设备特点深度定制和裁剪，无任何依赖，可以方便地部署到移动设备和各种嵌入式设备中。

通用性：支持Tensorflow、Caffe、ONNX等主流模型文件格式，支持CNN、RNN、GAN等常用网络。

高性能：不依赖任何第三方计算库，依靠大量手写汇编实现核心运算，充分发挥ARM CPU的算力。比如，在iOS设备上，可以开启GPU加速（Metal），常用模型上快于苹果原生的CoreML。

易用性：有高效的图像处理模块，覆盖常见的形变、转换等需求，一般情况下，无需额外引入libyuv或opencv库处理图像。

MNN不仅支持回调机制，可以在网络运行中插入回调，提取数据或者控制运行走向；还支持只运行网络中的一部分，或者指定CPU和GPU间并行运行。

接下来，阿里巴巴将会在维持MNN轻量、通用、易用、高性能等方面特点的情况下，进一步加强在端侧核心算法的投入，降低开发者使用门槛，探索如何在云+端结合的情况下，发挥出更强的AI能力。