mnn-llm 项目下载及安装教程
2024-12-09 19:20:47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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen 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TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
694
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥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
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
881