MNN-LLM-Android: AndroidのためのMNNマルチモーダル言語モデリング

はじめに

MNN（Mobile Neural Network）は、アリババが開発し、モバイルデバイス向けに最適化された効率的で軽量なディープラーニングフレームワークである。MNNは、モバイルデバイス上での高速推論を可能にするだけでなく、テキスト生成、画像生成、音声処理などのマルチモーダルなタスクもサポートしている、MNNは、Taobao、Tmall、Youku、Nail、Idle Fishなどのアリババアプリケーションに統合されており、ライブストリーミング、ショートビデオキャプチャ、検索レコメンデーション、商品画像検索など、70以上の使用シナリオをカバーしています。

機能一覧

• マルチモーダルサポートテキスト生成、画像生成、音声処理など幅広いタスクに対応。
• CPU推論の最適化モバイル端末で優れたCPU推論性能を実現。
• 軽量フレームワークフレームワークは軽量で、モバイル機器のリソース制約に適した設計になっています。
• 汎用アリババの複数のアプリケーションに統合されており、幅広いビジネスシナリオをカバーしています。
• オープンソース統合や二次開発を容易にするために、完全なオープンソースコードとドキュメントが提供されています。

ヘルプの使用

設置プロセス

1. ダウンロードとインストールGitHubリポジトリからプロジェクトコードをクローンする。

   git clone https://github.com/alibaba/MNN.git
   cd MNN
   

2. **プロジェクトのコンパイル**: コンパイル環境を設定し、プロジェクトが提供するREADMEファイルに従ってプロジェクトをコンパイルする。
``bash
mkdir build
cd build
cmake ...
make -j4

3. Androidアプリケーションへの統合コンパイルしたライブラリファイルをAndroidプロジェクトに統合するにはbuild.gradleファイルで設定する。

使用方法

マルチモーダル機能

MNNは、テキスト生成、画像生成、音声処理など、さまざまなマルチモーダル タスクをサポートしている。以下に、これらの機能の使用例を示す：

• テキスト生成学習済み言語モデルを使用したテキスト生成。

  インポート MNN
  interpreter = MNN.Interpreter("text_model.mnn")
  session = interpreter.createSession()
  input_tensor = interpreter.getSessionInput(session)
  # 前処理のための入力テキスト
  input_data = preprocess_text("入力テキスト")
  input_tensor.copyFrom(input_data)
  interpreter.runSession(セッション)
  output_tensor = interpreter.getSessionOutput(session)
  output_data = output_tensor.copyToHostTensor()
  result = postprocess_text(output_data)
  print(result)
  

• 画像生成訓練済み生成モデルを用いた画像生成。

  インポート MNN
  interpreter = MNN.Interpreter("image_model.mnn")
  session = interpreter.createSession()
  input_tensor = interpreter.getSessionInput(session)
  # 前処理用入力データ
  input_data = preprocess_image("入力画像")
  input_tensor.copyFrom(input_data)
  interpreter.runSession(セッション)
  output_tensor = interpreter.getSessionOutput(session)
  output_data = output_tensor.copyToHostTensor()
  result = postprocess_image(output_data)
  print(result)
  

• 音響処理訓練済みのオーディオモデルを使用したオーディオ生成または処理。

  インポート MNN
  interpreter = MNN.Interpreter("audio_model.mnn")
  session = interpreter.createSession()
  input_tensor = interpreter.getSessionInput(session)
  # 前処理用の音声データを入力する。
  input_data = preprocess_audio("input audio")
  input_tensor.copyFrom(input_data)
  インタプリタ.runSession(セッション)
  output_tensor = interpreter.getSessionOutput(session)
  output_data = output_tensor.copyToHostTensor()
  result = postprocess_audio(output_data)
  print(result)
  

詳しい操作手順

1. 推論インスタンスの作成MNNモデルを初期化し、推論セッションを作成する。

   インポート MNN
   interpreter = MNN.Interpreter("model.mnn")
   セッション = interpreter.createSession()
   

2. 入力データの前処理モデルの種類に応じて入力データを前処理する。

   input_tensor = interpreter.getSessionInput(session)
   input_data = preprocess_data("入力データ")
   input_tensor.copyFrom(input_data)
   

3. 経営推論推論のためのセッションを実行します。

   インタプリタ.runSession(セッション)
   

4. 出力データの後処理出力を取得し、後処理する。

   output_tensor = interpreter.getSessionOutput(session)
   output_data = output_tensor.copyToHostTensor()
   result = postprocess_data(output_data)
   print(result)