【瑞芯微RK1808计算棒试用体验】2、RK1808被动模式下mobilenet_v1模型测试

RK1808S_AI计算棒—RK1808被动模式下mobilenet_v1模型测试

• RK1808S_AI计算棒—RK1808被动模式下mobilenet_v1模型测试
  
  • 0、引言
    
    • 被动模式开发流程简介
    • 这里以mobilenet_v1为例，在搭建好的windows环境下使用mobilenet_v1模型，示例实现的功能是对一张图片进行特征提取，并识别这张图片所属分类。
    • 本文将实现基于上篇文章实现的 Anaconda3+TensorFlow(1.15)+Python3.6+RKNN(计算棒专用接口)+VSCode+OpenCV-Python环境下的mobilenet_v1模型测试
      
  • 1、下载源代码
  • 2、源代码目录说明
  • 3、运行测试：
  • 4、结果说明：
    

0、引言被动模式开发流程简介被动模式下：RK1808 人工智能计算棒是一个通用AI加速器。主机端通过RKNN-Toolkit将模型及前处理后的数据传输给RK1808 人工智能计算棒，RK1808 人工智能计算棒完成推理，并把结果返回主控端，主机端进行后处理以及显示等操作。 更多关于被动模式开发流程的介绍，可以参考官网wiki
这里以mobilenet_v1为例，在搭建好的windows环境下使用mobilenet_v1模型，示例实现的功能是对一张图片进行特征提取，并识别这张图片所属分类。本文将实现基于上篇文章实现的 Anaconda3+TensorFlow(1.15)+Python3.6+RKNN(计算棒专用接口)+VSCode+OpenCV-Python环境下的mobilenet_v1模型测试1、下载源代码从官方FTP文件服务器下载mobilenet_v1压缩包，并解压出来：
2、源代码目录说明
以下是mobilenet_v1示例的目录结构及说明如下：

• dataset.txt: 包含测试图片路径的文本文件。
• dog_224x224.jpg: 作为mobilenet_v1示例的测试图片。
• mobilenet_v1.tflite: TensorFlow Lite模型文件。
• mobilenet_v1.rknn: rknn模型文件。由非rknn模型文件（这里是TensorFlow Lite模型）经过RKNN-Toolkit模型转换生成的该rknn模型文件。
• test.py: 示例运行脚本(包含rknn模型转换部分)。
• test_inference.py: 示例运行脚本（仅加载rknn模型进行推理）。
• 
  

3、运行测试：
使用VScode打开test.py 文件，如图所示，选择正确的运行环境：

运行效果：



4、结果说明：
根据以上执行结果可知，TOP5表示模型预测出来的排名前5的分类的结果，其中[156]表示狗的标签，0.8837890625表示预测为该标签的概率，可以看出预测结果为狗的可能性最大，从测试图片（dog_224x224.jpg）可以看出预测结果是准确的。