English | 简体中文
nndeploy是一款基于工作流的多端AI部署框架,让AI算法部署变得像搭积木一样简单!
采用可视化工作流设计,内置丰富的算法节点,用户只需拖拽操作即可快速构建专业AI应用,无需编写复杂代码。
支持Python/C++自定义节点开发,无需前端代码,自动集成到可视化界面
构建的工作流可一键导出JSON配置文件,支持Python/C++ API加载运行。集成主流推理引擎和深度优化策略,确保最佳性能,支持一次开发多端部署,覆盖Linux、Windows、macOS、Android、iOS全平台。
pip install --upgrade nndeploy
# 方法一:仅使用内置节点
nndeploy-app --port 8000
# 方法二:使用用户自定义节点
nndeploy-app --port 8000 --plugin plugin1.py plugin2.py
- 命令参数说明
--port
:指定Web服务端口号(默认为8000)--plugin
:加载用户自定义插件文件(可选参数,如果没有该参数,仅使用内置节点)- Python插件:参考Python插件模板写法
- C++插件:参考C++插件模板写法
- 可以同时加载多个插件:
--plugin plugin1.py plugin2.so
启动成功后,打开 http://localhost:8000 即可访问工作流界面。
在可视化界面中完成工作流的搭建后,可将其保存为JSON文件(例如workflow.json),然后可以使用以下命令执行该工作流:
nndeploy-run-json --json-file workflow.json --plugin plugin.py
- API加载运行JSON配置文件
需要 Python 3.10 及以上版本。默认包含 PyTorch 和 ONNXRuntime 两个推理后端,如需使用更多推理后端(如 TensorRT、OpenVINO、ncnn、MNN 等),请采用开发者模式
使用
nndeploy-clean
可清理过期的后端资源。
- 可视化工作流:通过拖拉拽操作就能部署AI算法,前端可视化调节AI算法的所有节点参数,快速预览算法调参后的效果
- 自定义节点:支持Python/C++自定义节点,无需前端代码,无缝集成到可视化界面
- 算法组合:灵活组合不同算法,快速构建创新AI应用
- 一键部署:搭建好的工作流可导出为JSON,Python/C++直接调用,从开发到生产环境无缝衔接
-
13种推理引擎无缝集成:一套工作流,多端部署。通过零抽象成本接入了13种主流推理框架,覆盖云端、桌面、移动、边缘等全平台
推理框架 适用场景 状态 PyTorch 研发调试、快速原型 ✅ ONNXRuntime 跨平台推理 ✅ TensorRT NVIDIA GPU高性能推理 ✅ OpenVINO Intel CPU/GPU优化 ✅ MNN 阿里推出的移动端推理引擎 ✅ TNN 腾讯推出的移动端推理引擎 ✅ ncnn 腾讯推出的移动端推理引擎 ✅ CoreML iOS/macOS原生加速 ✅ AscendCL 华为昇腾AI芯片推理框架 ✅ RKNN 瑞芯微NPU推理框架 ✅ SNPE 高通骁龙NPU推理框架 ✅ TVM 深度学习编译栈 ✅ 自研推理框架 定制化推理需求 ✅ -
并行优化:支持串行、流水线并行、任务并行等执行模式
-
内存优化:零拷贝、内存池、内存复用等优化策略
-
高性能优化:内置C++/CUDA/Ascend C/SIMD等优化实现的节点
针对以下AI算法,开发了40+节点,并制作了工作流模板,让你能够立即体验和使用各种AI功能:
应用场景 | 可用模型 |
---|---|
图像分类 | ResNet, MobileNet, EfficientNet, PPLcNet, GhostNet, ShuffleNet, SqueezeNet |
目标检测 | YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv11, YOLOx |
目标追踪 | FairMot |
图像分割 | RBMGv1.4, PPMatting, Segment Anything |
生成模型 | Stable Diffusion 1.5 |
大语言模型 | QWen-0.5B |
换脸 | deep-live-cam |
可视化界面实时调整检测参数,无需修改代码即可观察效果变化,支持一键切换到TensorRT等推理引擎实现高性能部署。
可视化搭建检测+分割+分类工作流,支持多推理框架切换和并行模式,实现一次搭建、多端部署。
通过拖拽操作组合人脸检测、换脸算法、人像分割等AI功能,无需编写代码,参数调整1-2秒看到效果。让产品经理、设计师、非AI开发者快速将创意变成原型。
会持续开发的节点,如果你有需要部署的算法,请通过issue告诉我们
在 GitHub 上给 nndeploy Star,并立即收到新版本的通知。
-
感谢以下项目:TNN、FastDeploy、opencv、CGraph、CThreadPool、tvm、mmdeploy、FlyCV、oneflow、flowgram.ai、deep-live-cam。
-
感谢HelloGithub推荐