libQnnHtp.so：用于 Arm CPU 和 Hexagon 张量处理器之间通信的库。
libQnnHtpPrepare.so：在 CPU 端运行的 Hexagon 张量处理器库。该库负责准备图并在 runtime 优化执行图。
libQnnHtpV68Stub.so：CPU 端的 Hexagon 张量处理器 delegate 库，与 Hexagon 张量处理器上加载的 Skel 库进行通信。
libQnnHtpV68Skel.so：Hexagon 张量处理器原生库，包含针对 Hexagon 张量处理器优化的内核/算子。
|
Note
根据 Qualcomm Linux 开发包的 Hexagon 张量处理器版本选择适当的库。版本如下：
- QCS6490/QCS5430：Hexagon 张量处理器 v68
- QCS9075：Hexagon 张量处理器 v73
- QCS8275：Hexagon 张量处理器 v75
### LiteRT 外部 delegate 接口
要使用外部 delegate 接口运行 LiteRT 模型，应用程序必须加载 `libQnnTFLiteDelegate.so` QNN delegate 库。C/C++ 应用程序和 `libQnnTFLiteDelegate.so` delegate 库彼此之间没有依赖项关系。因此，如果 delegate 发生变化，不必重新编译应用。
要在 Linux 上使用 C++ API 并通过 LiteRT 运行推理，请参见[使用 C++ 运行推理](https://ai.google.dev/edge/litert/inference#run-c)。
QNN delegate 在 Hexagon 张量处理器、GPU 和 CPU 上提供加速。要在使用外部 delegate 接口时通过 QNN delegate 定制模型运行的场景和方式，必须提供更多外部 delegate 选项。有关说明，请参见 [QNN delegate 的外部delegate 选项](https://docs.qualcomm.com/doc/80-70018-54SC/topic/sample-applications.html#external-delegate-options-for-qnn-delegate)。
## 后续步骤
- [入门指南](https://docs.qualcomm.com/doc/80-70018-54SC/topic/getting-started.html#getting-started)
- [运行 LiteRT 示例应用](https://docs.qualcomm.com/doc/80-70018-54SC/topic/sample-applications.html#run-litert-sample-apps)
Last Published: Apr 29, 2025
[Previous Topic
开始使用 LiteRT](https://docs.qualcomm.com/bundle/publicresource/80-70018-54SC/topics/getting-started.md) [Next Topic
LiteRT 开发者工作流程](https://docs.qualcomm.com/bundle/publicresource/80-70018-54SC/topics/tensorflow-lite-developer-workflow.md)