想快速驗證MobileNet圖像分類模型的實際運行效果？迅為iTOP-RK3568人工智能開發(fā)板，讓模型推理測試高效又省心。

這款開發(fā)板搭載瑞芯微RK3568處理器，四核A55架構搭配Mali-G52GPU，算力與能效比均衡適配移動端輕量模型。板載豐富硬件接口，支持MIPI攝像頭直連采集圖像，也能通過USB外接設備導入數(shù)據(jù)，無需復雜外設搭建即可啟動測試。

其內(nèi)置的NPU算力可達1TOPS，能充分發(fā)揮MobileNet輕量化特性，實測單張圖像分類推理耗時低至毫秒級，且功耗控制優(yōu)秀，持續(xù)運行穩(wěn)定性強。開發(fā)板還提供完整的AI開發(fā)套件，含模型轉(zhuǎn)換工具與推理示例代碼，哪怕是剛接觸AI開發(fā)的用戶，也能按教程快速完成模型部署、推理執(zhí)行到結果輸出的全流程。

不管是高校實驗室，還是企業(yè)的輕量視覺項目原型驗證，迅為iTOP-RK3568開發(fā)板都能以高性價比解決MobileNet圖像分類推理測試需求，讓你專注模型優(yōu)化與應用創(chuàng)新，加速AI項目落地進程。

6.4 mobilenet圖像分類

編譯好的mobilenet例程已經(jīng)放在了“iTOP-3568開發(fā)板\02_【iTOP-RK3568開發(fā)板】開發(fā) 資料\15_NPU例程測試配套資料\08_rknn_model_zoo測試\04_mobilenet”目錄下，如下圖所示：

將該文件拷貝到開發(fā)板上，并解壓，解壓完成如下圖所示：

然后進入該文件夾，使用以下命令運行可執(zhí)行文件，實現(xiàn)圖片的語義分割，如下圖所示：

export LD_LIBRARY_PATH=./lib

./rknn_mobilenet_demo model/mobilenet_v2.rknn model/bell.jpg

然后進入該文件夾，使用以下命令運行可執(zhí)行文件，實現(xiàn)圖片的語義分割，如下圖所示：

export LD_LIBRARY_PATH=./lib

./rknn_mobilenet_demo model/mobilenet_v2.rknn model/bell.jpg

最后會打印出圖片的推理結果，可以看到鐘的推理可靠度最高，推理圖片如下圖所示：

證明模型推理成功。