English | 简体中文
nndeploy是一款跨平台、高性能、简单易用的模型端到端部署框架。我们致力于屏蔽不同推理框架的差异，提供一致且用户友好的编程体验，同时专注于部署全流程的性能。
只要环境支持，通过nndeploy部署模型的代码无需修改即可跨多个平台以及多个推理框架使用。
当前支持的推理框架如下：
| Inference/OS | Linux | Windows | Android | MacOS | IOS | developer | remarks |
|---|---|---|---|---|---|---|---|
| TensorRT | √ | - | - | - | - | Always | |
| OpenVINO | √ | √ | - | - | - | Always | |
| ONNXRuntime | √ | √ | - | - | - | Always | |
| MNN | √ | √ | √ | - | - | Always | |
| TNN | √ | √ | √ | - | - | 02200059Z | |
| ncnn | - | - | √ | - | - | Always | |
| coreML | - | - | - | √ | - | JoDio-zd、jaywlinux | |
| paddle-lite | - | - | - | - | - | qixuxiang | |
| AscendCL | √ | - | - | - | - | CYYAI | |
| RKNN | √ | - | - | - | - | 100312dog |
Notice: TFLite, TVM, OpenPPL, sophgo, Horizon正在开发中，我们正在努力覆盖绝大部分的主流推理框架
目前已完成 YOLOV5、YOLOV6、YOLOV8 等模型的部署，可供您直接使用，后续我们持续不断去部署其它开源模型，让您开箱即用
| model | Inference | developer | remarks |
|---|---|---|---|
| YOLOV5 | TensorRt/OpenVINO/ONNXRuntime/MNN | 02200059Z、Always | |
| YOLOV6 | TensorRt/OpenVINO/ONNXRuntime | 02200059Z、Always | |
| YOLOV8 | TensorRt/OpenVINO/ONNXRuntime/MNN | 02200059Z、Always |
-
一套代码多端部署：通过切换推理配置，一套代码即可在多端部署，算法的使用接口简单易用
-
算法部署简单：将 AI 算法端到端（前处理->推理->后处理）的部署抽象为有向无环图
Graph，前处理为一个Node，推理也为一个Node，后处理也为一个Node，提供了高性能的前后处理模板和推理模板，上述模板可帮助您进一步简化端到端的部署流程。有向无环图还可以高性能且高效的解决多模型部署的痛点问题
-
推理框架的高性能抽象：每个推理框架也都有其各自的特性，需要足够尊重以及理解这些推理框架，才能在抽象中不丢失推理框架的特性，并做到统一的使用的体验。
nndeploy可配置第三方推理框架绝大部分参数，保证了推理性能。可直接操作推理框架内部分配的输入输出，实现前后处理的零拷贝，提升模型部署端到端的性能。 -
线程池：提高模型部署的并发性能和资源利用率。此外，还支持CPU端算子自动并行，可提升CPU算子执行性能
-
内存池：完成后可实现高效的内存分配与释放(TODO)
-
一组高性能的算子：完成后将加速您模型前后处理速度(TODO)
-
流水线并行：在处理多帧的场景下，基于有向无环图的模型部署方式，可将前处理
Node、推理Node、后处理Node绑定三个不同的线程，每个线程又可绑定不同的硬件设备下，从而三个Node可流水线并行处理。在多模型以及多硬件设备的的复杂场景下，更加可以发挥流水线并行的优势，从而可显著提高整体吞吐量。 -
任务并行：在多模型以及多硬件设备的的复杂场景下，基于有向无环图的模型部署方式，可充分挖掘模型部署中的并行性，缩短单次算法全流程运行耗时
- 更多信息，访问nndeploy文档。
- 部署更多的算法
- 单机下的大语言模型推理模块
- 文档
- 视频
- 代码review
- 用户友好 - 编译问题、第三方库资源、模型资源、数据资源
- 完善已接入的推理框架coreml、paddle-lite，接入新的推理框架TFLite
-
nndeploy还处于初级阶段，欢迎参与，我们一起打造最简单易用、高性能的模型端到端部署框架 -
微信：titian5566 (可加我微信进nndeploy交流群，备注：nndeploy+姓名)
