今天分享的是：AIGC浪潮下WebNN的演进与实践-全(quán)球软件开发大会(1)
报告共计：25页
本文圍(wéi)绕 WebNN 在 AIGC 浪潮下的演进与实践展开，核心要点如下：在背景方面，神经网络应用广泛，涵盖图像分类、目标检测等多领域，不(bù)同框架与 API 协同工作，WebNN 应运而生，为 Web 开发中运用神经网络提供可能，其在各场景下与其他技术相互配合，共同构建起丰富的技术生态体系。架构设计上，WebNN 提供统一抽象，针对 CPU、GPU 和 NPU 编譯(yì)不(bù)同 Graph，其编程模型涵盖创建上下文、构建计算图、编譯(yì)、绑定缓冲区执行及获取结果等流程，浏览器实现涉及 Web 应用、框架、渲染进程及多种后端与硬件交互。使用方法上，主流 ML frameworks 积极集成 WebNN，如在 ONNX Runtime 中修改少量代码即可启用，WebNN Developer Preview 能助 ONNX 模型在浏览器运行，降低延迟、增强隐私安全(quán)及实现 GPU 加速，同时提供多种示例展示应用场景多样性。性能表现优异，在 CPU、GPU 和 NPU 上性能均接近本地程序，如在 CPU 上对 15 种模型测试，WebNN 性能可达本地 XNNPack 的 93%，为其在实际应用中的推广奠定坚实基础，有力推动了在 AIGC 趋势下 Web 端神经网络技术的高效运用与深度发展，使复杂神经网络功能在 Web 环境更易实现、优化与拓展，开启智能交互新纪元，为跨平台、高性能的 Web 应用带来全(quán)新可能，助力提升用户体验与推动技术创新融合。
以下为报告节选内容
展开全(quán)文
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
