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

這款開發板搭載瑞芯微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外接設備導入數據，無需復雜外設搭建即可啟動測試。

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

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

6.4 mobilenet圖像分類

編譯好的mobilenet例程已經放在了“iTOP-3568開發板\02_【iTOP-RK3568開發板】開發 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行文件，實現圖片的語義分割，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行文件，實現圖片的語義分割，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。