产品上手指引
Linux PC
AI 加速卡
LLM-8850 Card
大语言模型
实时 AI 语音助手
火山引擎语音助手
离线语音识别
工业控制
Ezdata
Ethernet 摄像头
PoECAM
Wi-Fi 摄像头
Unit CamS3/-5MP
AI 摄像头
LoRa & LoRaWAN
电机驱动
恢复出厂固件教程
快速体验
模型 benchmark
前两步做完后，模型跑分的工具 axcl_run_model 就可以使用了。该工具参数较多，可以用 axcl_run_model --help 查看可用的参数；如果对其实现机制感兴趣，还可以检查对应的 sample 目录中的源码。该工具和其他 cv & llm sample 都是以源码形式提供的，以便用户理解 API 的用法。
以测试一个模型的运行速度为例，使用 axcl_run_model -m your_model.axmodel -r 10 这样的形式，通过 -m 指定要跑的模型，-r 指定重复次数，即可简单的跑测模型的速度。
获取模型：
wget https://m5stack.oss-cn-shenzhen.aliyuncs.com/resource/linux/ax8850_card/yolo11s.axmodel测试：
axcl_run_model -m yolo11s.axmodel -r 10执行结果如下：
m5stack@raspberrypi5:~ $ axcl_run_model -m yolo11s.axmodel -r 10
Run AxModel:
model: yolo11s.axmodel
type: 3 Core
vnpu: Disable
warmup: 1
repeat: 10
batch: { auto: 1 }
axclrt ver: 1.0.0
pulsar2 ver: 3.2 99cf147d
tool ver: 0.0.1
cmm size: 10488066 Bytes
------------------------------------------------------
min = 3.391 ms max = 3.414 ms avg = 3.402 ms
------------------------------------------------------从以上运行示例的运行结果来看，除了能指示模型运行时间外，还能指示工具链版本、模型类型等信息。
CV 示例
注意
如果没有安装解压工具，请先使用以下命令安装：
sudo apt install zip- 获取 Demo：
wget https://m5stack.oss-cn-shenzhen.aliyuncs.com/resource/linux/ax8850_card/cv_demo.zip- 解压 Demo：
unzip cv_demo.zip- 进入目录
cd cv_demo分类模型
以 imagenet 数据集的 imagenet_cat.jpg 作为分类对象，sample 执行完成后会有如下输出（注意，模型和输入图像要根据实际情况微调）：
执行命令：
./axcl_sample_classification -m mobilenetv2.axmodel -i cat.jpg结果如下：
m5stack@raspberrypi5:~/cv_demo $ ./axcl_sample_classification -m mobilenetv2.axmodel -i cat.jpg
axcl initializing...
axcl inited.
Select axcl device{index: 0} as {1}.
axclrt Engine inited.
--------------------------------------
model file : mobilenetv2.axmodel
image file : cat.jpg
img height : 224
img width : 224
--------------------------------------
282: 9.8%, tiger cat
285: 9.8%, Egyptian cat
283: 9.5%, Persian cat
281: 9.4%, tabby, tabby cat
463: 7.5%, bucket, pail
--------------------------------------检测模型
以 PASCAL VOC 数据集的 voc_dog.jpg 作为检测对象，sample 执行完成后，会有如下输出（注意，模型和输入图像要根据实际情况微调）：
执行命令：
./axcl_sample_yolov5s -m yolov5s.axmodel -i dog.jpg结果如下：
m5stack@raspberrypi5:~/cv_demo $ ./axcl_sample_yolov5s -m yolov5s.axmodel -i dog.jpg
axcl initializing...
axcl inited.
Select axcl device{index: 0} as {1}.
axclrt Engine inited.
--------------------------------------
model file : yolov5s.axmodel
image file : dog.jpg
img height : 640
img width : 640
--------------------------------------
post process cost time:0.61 ms
--------------------------------------
Repeat 1 times, avg time 8.10 ms, max_time 8.10 ms, min_time 8.10 ms
--------------------------------------
16: 91%, [ 138, 218, 310, 541], dog
2: 69%, [ 470, 76, 690, 173], car
1: 56%, [ 158, 120, 569, 420], bicycle可见检测到了 3 个目标，并且给出了类别 ID、置信度和坐标。在 sample 执行的目录下，会保存一个名为 yolov5s_out.jpg 的检测结果，可以使用图片浏览器打开，预览输出结果。
