OK-MX93中集成了0.5TOPS的NPU，可加速机器学习推断。
这里的TOPS是算力单位，是Tera Operations Per Second的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作。
0.5TOPS，在当前一些高性能的处理器上还不算高。在现实应用上，要看算法了。
文件系统中包含了一个tensorflow-lite-2.9.1的物体识别例子。
这里，先准备一张图片，官方手册上的是bmp格式的图片，jpg的测试了下，无法识别。
如下，这个是开发板上的图片
识别命令运行输出如下：
0.76是military uniform
0.12是Windsor tie
其他的机率更低了。
如下，测试一张很干净的图片。
对于比较干净的图片，dog的识别还是很精准的。
看来，无法识别PCB板，有可能是这个板子的颜色问题，也有可能是算法训练的样本中没有PCB。不过手也没有识别出来。
能够识别的物体类别查看文件/usr/bin/tensorflow-lite-2.9.1/examples/labels.txt
而且目前，还没有NPU的开发手册，NPU的调用方式等还不明确，要等官方丰富开发手册了。
更多回帖
