← 返回模型目录

分类

MobileNetV2 图像分类

经典轻量分类网络，ImageNet 1000 类。

部署到自己的板卡
QCS6490
1.4msW8A16
QCS8550
0.7msW8A16
IQ9
适配中
IQ8
0.9msW8A16

机房真机实测，全部精度 ›

运行效果

样例输入
  1. tabby54.7%
  2. tiger_cat35.1%
  3. Egyptian_cat7%
  4. lynx2.5%
  5. Persian_cat0.2%
机房真机 QCS8550 · W8A16 · 处理耗时 0.7 ms

板卡实测

真机处理时延的中位数。多阶段模型计入各阶段处理，生成模型的耗时受输入和输出长度影响。

板卡精度速度FPS峰值内存
QCS6490W8A16默认1.4 ms714.374 MB
QCS8550W8A16默认0.7 ms1,449.379 MB
FP161.2 ms869.683 MB
IQ9QCS9075W8A16适配中——
FP16适配中——
IQ8QCS8275W8A16默认0.9 ms1,087154 MB
FP161.3 ms775.2158 MB

部署指南

  1. 1

    在工作流中跑通

    用样例或自己的输入在机房的QCS8550 上运行，确认结果和速度。

  2. 2

    导出工程

    在工作流右上角选择「导出」，下载工程包。模型与样例按 sha256 锁定，前后处理与网站运行时一致。

  3. 3

    在板卡上安装运行库

    把工程拷到QCS8550（ARM64、Python 3.10 的 AidLux 环境，AidLux ≥ 2.0），在工程目录下载并校验已验证的配套运行库。

    python3 install-sdk.py
  4. 4

    只需要模型文件？

    各板卡的构建也发布在 Hugging Face ↗，按芯片下载，文件与工程包中的完全一致。

    hf download APLUX-Agora/MobileNet-v2 --include "targets/QCS8550/*" --local-dir ./resources
  5. 5

    运行

    结果写入 outputs/，并打印每块积木的耗时。工程通过官方 AidLite 接口加载模型，代码完整随包提供。

    python3 app/pipeline.py --sdk-root .sdk --input 你的文件
AidLux 开发文档 ↗

规格

任务
分类
输入尺寸
224×224
来源
Model Farm
许可证
其他（见模型说明）
版本
1.0.0
浏览用到它的原型 →