迅为iTOP-RK3568人工智能开发板mobilenet图像分类模型推理测试

想快速验证MobileNet图像分类模型的实际运行效果？迅为iTOP-RK3568人工智能开发板，让模型推理测试高效又省心。

这款开发板搭载瑞芯微RK3568处理器，四核A55架构搭配Mali-G52GPU，算力与能效比均衡适配移动端轻量模型。板载丰富硬件接口，支持MIPI摄像头直连采集图像，也能通过USB外接设备导入数据，无需复杂外设搭建即可启动测试。

其内置的NPU算力可达1TOPS，能充分发挥MobileNet轻量化特性，实测单张图像分类推理耗时低至毫秒级，且功耗控制优秀，持续运行稳定性强。开发板还提供完整的AI开发套件，含模型转换工具与推理示例代码，哪怕是刚接触AI开发的用户，也能按教程快速完成模型部署、推理执行到结果输出的全流程。

不管是高校实验室，还是企业的轻量视觉项目原型验证，迅为iTOP-RK3568开发板都能以高性价比解决MobileNet图像分类推理测试需求，让你专注模型优化与应用创新，加速AI项目落地进程。

6.4 mobilenet图像分类

编译好的mobilenet例程已经放在了“iTOP-3568开发板\02_【iTOP-RK3568开发板】开发 资料\15_NPU例程测试配套资料\08_rknn_model_zoo测试\04_mobilenet”目录下，如下图所示：

将该文件拷贝到开发板上，并解压，解压完成如下图所示：

然后进入该文件夹，使用以下命令运行可执行文件，实现图片的语义分割，如下图所示：

export LD_LIBRARY_PATH=./lib

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

然后进入该文件夹，使用以下命令运行可执行文件，实现图片的语义分割，如下图所示：

export LD_LIBRARY_PATH=./lib

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

最后会打印出图片的推理结果，可以看到钟的推理可靠度最高，推理图片如下图所示：

证明模型推理成功。