最近看了下TNN的源碼，打算記錄一下源碼閱讀筆記。

git clone https://github.com/tencent/tnn

克隆下tnn，看下目錄結(jié)構(gòu)：

image.png

• benchmark：模型的benchmark和層的benchmark
• cmake：底下就一個(gè)cmake 文件，不同的系統(tǒng)設(shè)置不同類(lèi)型的庫(kù)
• doc：相關(guān)文檔
• examples：包括android、ios、armlinux的例子，samples是封裝的tnn api的調(diào)用接口
• include：tnn暴露給用戶(hù)的api頭文件，即這個(gè)文件夾下的頭文件是用戶(hù)可以引用的
• model：一些基準(zhǔn)模型
• platforms：不同平臺(tái)的調(diào)用，包括android、ios、linux和mac
• scripts：不同平臺(tái)編譯腳本，包括aarch64、android、armhf_linux、ios等
• source：和上面的include共同構(gòu)成了主要的tnn源碼
• test：測(cè)試代碼，包含層的單元測(cè)試
• third_party：一些第三方工具，gflags用于參數(shù)解析、opencl用于加速計(jì)算、stb用于圖片load、save、resize等
• tools：模型量化工具、模型轉(zhuǎn)換工具等
• Dockerfile：用于構(gòu)建docker環(huán)境，可方便使用docker進(jìn)行模型轉(zhuǎn)換等操作
• CMakeLists.txt：CMake編譯文件

接下來(lái)要閱讀的代碼重點(diǎn)在include、source以及tools。
先看一眼source的文件夾目錄：

image.png

• core：圖和層的各種類(lèi)和接口
• device：各個(gè)加速平臺(tái)的算子計(jì)算，包括arm、metal和opencl
• interpreter：模型解析，包括TNN和NCNN模型
• layer：層的聲明與注冊(cè)
• memory_manager：內(nèi)存管理
• optimizer：優(yōu)化操作，包括一些層的合并，刪除等
• utils：一些輔助函數(shù)和工具，比如檢測(cè)框的工具，bf16的工具，字符串操作工具等