隨著人工智能和大數據時代的到來，傳統嵌入式處理器中的CPU和GPU逐漸無法滿足日益增長的深度學習需求。為了應對這一挑戰，在一些高端處理器中，NPU（神經網絡處理單元）也被集成到了處理器里。NPU的出現不僅減輕了CPU和GPU的負擔，還讓復雜的計算任務得以高效處理。在典型的工作流中，CPU會首先接收任務，并根據任務的性質將其分配給合適的處理單元，圖像處理任務由GPU處理，而人工智能相關任務則交給NPU。

應用領域：

圖像識別:NPU能夠迅速對圖像進行分類、檢測和分割等操作，大大提升了處理效率。
語音識別:NPU實現了實時語音轉換和語音合成功能，為語音交互提供了更自然的體驗。
自然語言處理:NPU幫助機器完成更高效的翻譯、文本分類和情感分析，推動了自然語言處理技術的發展。

實例分享：Yolov5分類檢測

在RK3588處理器上，不僅可以基于Linux系統使用NPU，也可以基于Android系統使用NPU，基于Linux使用NPU已經多次與大家分享過就不在贅述。

在 Android平臺上，可以通過兩種方式調用RKNN API：直接鏈接librknnrt.so或鏈接基于Android平臺HIDL實現的librknn_api_android.so。對于需要通過CTS/VTS測試的設備，建議使用后者，而對于不需要測試的設備，直接鏈接librknnrt.so可以提供更好的性能。

在開發板網盤資料中提供了Yolov5分類檢測的示例—rknn_yolov5_android_apk_demo（基于瑞芯微官方demo修改）

測試步驟

⑴硬件連接

使用USB-TypeC連接線連接到OTG端口，連接迅為的ov13850/ov5695攝像頭，連接屏幕

⑵例程測試

啟動 Android Studio，打開rknn_yolov5_android_apk_demo應用工程文件夾進行編譯，編譯成功后，選擇iTOP-RK3588設備并運行應用程序

當APP運行時，您會在迅為iTOP-RK3588開發板外接的MIPI屏幕上看到應用界面。在1280*800的預覽分辨率下，應用程序能夠達到約15FPS的運行速度，表現令人滿意。