mnn-llm 项目下载及安装教程
2024-12-09 12:31:12作者:盛欣凯Ernestine
1. 项目介绍
mnn-llm 是一个基于 MNN 的 LLM(Large Language Model)部署项目。该项目旨在提供一个高效、灵活的框架,用于在不同平台上部署大型语言模型。支持多种平台,包括 Linux、macOS、Windows、Android 和 iOS。项目还提供了 Python 封装,方便开发者进行二次开发和集成。
2. 项目下载位置
项目托管在 GitHub 上,可以通过以下命令进行克隆:
git clone --recurse-submodules https://github.com/wangzhaode/mnn-llm.git
3. 项目安装环境配置
3.1 环境要求
- 操作系统:Linux、macOS、Windows
- 编译工具:CMake、GCC/Clang(Linux/macOS)、MSVC(Windows)
- Python:Python 3.6 或更高版本
- Android:Android Studio、NDK
- iOS:Xcode
3.2 环境配置示例
3.2.1 Linux/macOS
确保系统已安装 CMake 和 GCC/Clang:
sudo apt-get install cmake gcc
3.2.2 Windows
确保系统已安装 CMake 和 MSVC:
choco install cmake visualstudio2019buildtools
3.2.3 Android
确保已安装 Android Studio 和 NDK:

3.2.4 iOS
确保已安装 Xcode:

4. 项目安装方式
4.1 Linux/macOS
进入项目目录并执行以下命令:
cd mnn-llm
./script/build.sh
4.2 Windows
进入项目目录并执行以下命令:
cd mnn-llm
.\script\build.ps1
4.3 Android
进入项目目录并执行以下命令:
cd mnn-llm
./script/android_build.sh
4.4 iOS
进入项目目录并执行以下命令:
cd mnn-llm
./script/ios_build.sh
5. 项目处理脚本
项目提供了多个脚本来简化编译和部署过程:
build.sh:用于 Linux/macOS 的编译脚本build.ps1:用于 Windows 的编译脚本android_build.sh:用于 Android 的编译脚本ios_build.sh:用于 iOS 的编译脚本
这些脚本会自动处理依赖项和编译过程,确保项目能够顺利编译和运行。
通过以上步骤,您可以顺利下载并安装 mnn-llm 项目,并开始进行 LLM 的部署和开发工作。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160