rdks100p板子跑yolo系列视觉模型，怎么使用npu算力

你好 @sky77777，

HBM 模型不能直接运行，需要配合推理代码使用。Model Zoo 里已经提供了完整的推理示例！

快速运行步骤

直接使用 Model Zoo 的参考代码

# 在 S100P 板子上操作
cd /path/to/rdk_model_zoo_s/samples/Vision/ultralytics_yolo

# 查看推理代码
ls source/
# 应该有：
# - cpp/  (C++ 推理)
# - python/  (Python 推理)

Python 快速测试（推荐新手）

# 参考 Model Zoo 中的 Python 推理脚本
# 通常在：samples/Vision/ultralytics_yolo/source/python/

# 核心代码结构：
from hobot_dnn import Model

# 1. 加载 HBM 模型
model = Model('yolov8s_detect_nashe_640x640_nv12.hbm')

# 2. 准备输入（NV12 格式）
import cv2
img = cv2.imread('test.jpg')
# 转为 NV12 格式（关键！）
yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV_I420)

# 3. 推理
result = model.inference(yuv)

# 4. 解析结果（6 个输出）
# 需要做 NMS 后处理

C++ 完整示例（性能更好）

参考社区教程中的完整代码：RDKS100 模型部署教程

核心流程：

#include "hobot/dnn/hb_dnn.h"

// 1. 加载模型
hbDNNPackedHandle_t packed_handle;
hbDNNInitializeFromFiles(&packed_handle, &model_path, 1);

// 2. 获取模型句柄
hbDNNHandle_t dnn_handle;
hbDNNGetModelHandle(&dnn_handle, packed_handle, model_name);

// 3. 准备输入（NV12 格式，分配内存）
std::vector<hbDNNTensor> input_tensors;
// 分配 Y 分量和 UV 分量内存

// 4. 推理
hbUCPTaskHandle_t task_handle = nullptr;
hbDNNInferV2(&task_handle, output_tensors, input_tensors, dnn_handle);

// 5. 等待结果
hbUCPWaitTaskDone(task_handle, 10000);

// 6. 解析输出（6 个 tensor，做 NMS）

关键注意事项

完整代码参考

1. Model Zoo 官方示例：

   • Python: rdk_model_zoo_s/samples/Vision/ultralytics_yolo/source/python/
   • C++: rdk_model_zoo_s/samples/Vision/ultralytics_yolo/source/cpp/

2. 社区完整教程（含编译说明）：

   • RDKS100 模型部署万字教程
   • 里面有完整的 CMakeLists.txt 和编译命令

最小可用测试

如果你只是想快速验证 HBM 模型能用：

# 1. 进入 Model Zoo 的 YOLO 目录
cd rdk_model_zoo_s/samples/Vision/ultralytics_yolo

# 2. 编译示例代码（如果有预编译的可执行文件直接用）
mkdir build && cd build
cmake ..
make

# 3. 运行测试
./yolo_infer ../reference_hbm_models/yolov8s_detect_nashe_640x640_nv12.hbm test_image.jpg

常见问题

Q: 没有推理代码怎么办？
A: 直接 clone Model Zoo 仓库，里面有完整的 Python 和 C++ 示例

Q: 输入图片格式不对？
A: 必须转为 NV12，参考教程中的 cvtColor(img, yuv, COLOR_BGR2YUV_I420)

Q: 输出结果看不懂？
A: YOLO 输出 6 个 tensor，需要做 NMS 后处理，Model Zoo 里有现成代码

需要我帮你整理一份Python 快速测试脚本吗？可以直接运行验证 HBM 模型。