MobileNet V1 0.25 224 Quant

模型概述

采用 0.25 宽度乘数的量化 MobileNet V1 模型，针对 ImageNet 224x224 分辨率图像分类任务进行了优化。

MobileNet V1 0.25 224 Quant 模型专为 Synaptics Astra™ SL1680 processor NPU 和 SL1640 processor NPU 开发和优化。

模型特性

• 模型类型： 图像分类
• 输入尺寸： 224x224
• 输出尺寸： 224x224

ℹ️ 信息： 此模型可直接在 Synaptics Astra Machina 开发板上使用。MobileNet V1 0.25 224 Quant 的 NPU 优化版本已预装于 Astra SDK 镜像中。

在 Synaptics Astra SL1600 系列上部署

此模型针对 Synaptics Astra SL1680 处理器编译。您可以在搭载 SL1680 处理器的 Machina™ 开发套件上找到已预装的此模型。

您也可以在搭载 SL1640 处理器的 Machina™ 开发套件上找到针对 Synaptics Astra SL1640 处理器编译的同款模型。

Synaptics Astra Machina™ 是面向 Astra SL 系列高性能 IoT 处理器的模块化开发套件，集成了 Synaptics Veros™ 无线连接解决方案。了解更多信息，请点击此处

应用程序二进制文件

Synaptics Astra Machine SDK 中提供的 synap_cli_ic 命令行应用程序，可方便地运行 MobileNet V1 0.25 224 Quant 等图像分类模型。

输入：

• 转换后的 synap 模型（.synap 扩展名）
• 一张或多张图像（jpeg 或 png 格式）

输出：

• 每张输入图像的前五个最可能的类别

在 Astra SL1680 和 SL1640 上的命令行用法：

MODELS=/usr/share/synap/models/

cd $MODELS/image_classification/imagenet/model/mobilenet_v1_0.25_224/mobilenet_v1_0.25_224_quant/mobilenet_v1_0.25_224_quant

synap_cli_ic -m model.synap ../../sample/goldfish_224x224.jpg

SL1680 上的示例输出：

Loading network: model.synap
Input image: ../../sample/goldfish_224x224.jpg
Classification time: 0.77 ms
Class  Confidence  Description
    1       18.99  goldfish, Carassius auratus
  112        9.30  conch
  927        8.70  trifle
   29        8.21  axolotl, mud puppy, Ambystoma mexicanum
  122        7.71  American lobster, Northern lobster, Maine lobster, Homarus americanus

ℹ️ 信息： 输入图像由软件预处理器自动调整为网络输入张量的尺寸。此过程不计入所显示的分类时间。

NPU 性能

处理器	推理时间（ms）
SL1680	0.77
SL1640	0.93

优化和自定义模型

高级用户可能希望自定义源模型并为 Synaptics Astra NPU 重新编译。 请参阅自带模型章节以获取更多信息。

供参考，固件镜像中提供的 .synap 格式模型是使用以下 .yaml 设置为 Synaptics Astra NPU 编译的：

outputs:
  - dequantize: false
    format: confidence_array class_index_base=-1

许可证

源模型依据 Apache License 2.0 授权。

用于设备端部署的编译模型受 Synaptics Astra EULA 约束。

了解更多

• Synaptics AI Developer Zone：获取文档、教程和资源，开启您的边缘 AI 之旅。
• Astra Support Portal：与我们的工程团队和社区联系。