近日，reddit 上一个帖子引来大量网友的讨论，帖子主要内容为：几乎没有人知道优化 AI 模型有多容易，通过添加几行代码，模型的推理速度提高 5-20 倍。

发帖人是初创公司 Nebuly 的联合创始人兼首席运营官 Emile Courthoud。Courthoud 认为目前开发人员虽然精通于 AI、数据集清洗和模型训练等，但是他们在硬件、编译器、计算、云计算等方面知识有欠缺。这导致开发人员会花费大量时间来提高软件的性能，而没有意识到选择合适硬件的重要性。

这个问题困扰了 Courthoud 很长时间，所以他和在 Nebuly 的几个朋友（都来自 MIT、ETH 和 EPFL）将大量精力投入到一个名为 nebullvm 的开源库中，该库涉及 DL 编译器技术，任何开发人员都可以访问，即使是对硬件一无所知的人也可以使用，该库旨在将所有开源的 AI 编译器统一在同一个易于使用的接口下。

Nebullvm 是如何工作的？总体而言，它通过测试不同的 DL（深度学习） 编译器并为用户选择最佳的一个，使得用户所用的 AI 模型与机器（CPU、GPU 等）形成最佳耦合，模型可以加速约 5-20 倍，只需几行代码即可完成。

项目地址：https://github.com/nebuly-ai/nebullvm

Nebullvm 项目简介

用户在下面几种情况下可以选择使用 Nebullvm 库。

• 想要加快 AI 模型的响应时间；
• 不希望测试市场上所有的 DL 编译器，只想了解对自身特定应用程序最好的那个；
• 喜欢把复杂问题简单化，想要几行代码，就知道哪个 DL 编译器最适合自己等。

项目作者设计了一些超级易用的内容：你只需输入 DL 模型，就会得到一个和硬件匹配的最优模型版本。

目前，该项目支持的框架包括 PyTorch、TensorFlow，不久也会支持 Hugging Face。支持的 DL 编译器包括 OpenVINO、TensorRT、TVM，不久也会支持 Rammer、MLIR。

安装 nebullvm，用户可以采用源代码安装，使用 git 安装如下所示：

然后进入 repo 并使用 pip 安装 nebullvm：

PyPi 安装：安装 nebullvm 最简单的方法是使用 pip，然后运行如下代码

自动安装方式如下：此方式可以自动安装所有由 nebullvm 支持的 DL 编译器。

但是，如果用户希望避免自动安装，可以采用如下方式：

或从命令行添加：

安装完 nebullvm 就可以使用了，下面代码展示了使用 nebullvm 优化 pytorch 模型的示例：