ncnn是腾讯开源为手机端极致优化的高性能神经网络前向计算框架。
仰赖ncnn社区开发者的贡献，ncnn在2019年年初便已实现int8模型量化和推理。但因后来失去社区开发者的持续投入，ncnn的int8量化推理效率迟迟没有加速。
ncnn github issue区大家关于int8量化后速度的质疑：
![]()
引用zhihu用户John Hexa关于《如何看待国内开源项目的不可持续性？》的一段回答：
“开源的生命力并不在于“开源”，而在于为人类好好的、真正的解决掉一个问题。
不是自己提供一个半成品，指望别人完成成品。
而是自己要提供一个成品，让别人可以完成更好的成品。
不是自己提出一个问题，指望别人给你答案。
而是自己给出一个答案，让别人可以找到更好的答案。”
本以为，ncnn的开发者社区足够活跃，可以等到一位愿意为ncnn优化加速int8计算的贡献者。
这确实是我错了。
本次20210507版本，ncnn的int8量化工具和整个int8推理计算架构被进行了彻底重构，作者删除了老旧的kernel实现，亲自写了大量arm neon汇编，4w+行代码，用上armv8.2 dot指令加速。最终，在int8量化和推理加速上，ncnn提供了一个成品，给出了一个答案。
ncnn 20210507版本下载地址(linux/windows/macos/android/ios/webassembly，cpu+gpu)
https://github.com/Tencent/ncnn/releases/tag/20210507
继续保持优秀的接口稳定性和兼容性
-
API接口完全不变
-
量化校准table完全不变
-
int8模型量化流程完全不变
ncnn int8量化工具(ncnn2table)新特性
-
支持 kl aciq easyquant 三种量化策略
-
支持多输入的模型量化
-
支持RGB/RGBA/BGR/BGRA/GRAY输入的模型量化
-
大幅改善多线程效率
-
离线进行(反量化-激活-量化)->(requantize)融合，实现端到端int8量化推理
ncnn int8量化推理新特性
-
conv/convdw/fc 量化推理支持附带任意激活层
-
int8特征数据自动转换为elempack=8内存布局，提高访存效率
-
实现全部pack1/pack1to4/pack4/pack8to4等的int8 sgemm kernel优化
-
实现int8 winograd-f43的kernel优化
-
运行时检测armv8.2 dot指令支持，并调用优化的kernel
-
启用fp16/bf16的情况下，遇到非conv/convdw/fc层，自动回退到fp16/bf16而不是fp32计算
ncnn 20210507版本的其他更新
-
数学函数 log/exp/sin/cos/tanh 的 risc-v v 扩展指令优化
-
由社区贡献者贡献的 ncnn x86 卷积优化和 FAQ 文档
-
改善模型转换器兼容性，fp16和vulkan运算bugfix，等等
mobilenet int8模型，ncnn自带的benchncnn评测工具，测试手机：oneplus 7t(qcom855+）
![]()
![]()
![]()
