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
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：
wget http://repo.rock-chips.com/rk1808/mobilenet_v1.tar.gz
tar xvf mobilenet_v1.tar.gz //win使用右键解压
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：
--> config model
done
--> Loading model
done
--> Building model
done
--> Export RKNN model
done
--> Init runtime environment
done
--> Running model
mobilenet_v1
-----TOP 5-----
[156]: 0.8837890625
[155]: 0.0677490234375
[188 205]: 0.00867462158203125
[188 205]: 0.00867462158203125
[263]: 0.0057525634765625
done
--> Begin evaluate model performance
========================================================================
Performance
========================================================================
FPS: 136.30
========================================================================
done
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。