一、简介：
官方文档：
二、部署：
=370.1 ms
Saved: images/detected_results/000000000009_detected.jpg
………
Saved: images/detected_results/000000000073_detected.jpg
000000000074.jpg: infer=279.5 ms, total=301.1 ms
其中推理时间(infer_ms)和总处理时间(total_ms)
从这么长的推理时长可以看出这只使用了CPU推理，没有用到 C7x DSP进行加速
2. 打开刚刚记录的log：
Time,CPU%,Temp(°C)
2026-01-15 12:34:50,18.2,51.5
……
2026-01-15 12:35:38,18.2,50.6
我们发现CPU 平均占用率：45% ～ 78%，未达到 100%
通过htop监测，发现TFLite 默认是单线程推理，而我们的板子有4个核心：
我们将py文件原有的：
interpreter = Interpreter(model_path=model_path)
改为：
interpreter = Interpreter(model_path=model_path, num_threads=4)
再运行：
发现四个核心都运行了
优化后的推理效果：
000000000036.jpg: infer=86.0 ms, total=107.4 ms
Saved: images/detected_results/000000000036_detected.jpg
……
000000000071.jpg: infer=85.8 ms, total=106.1 ms
Saved: images/detected_results/000000000071_detected.jpg
现在的推理时间都在85～132 ms左右，比之前的 277～308 ms快了 2.5～3 倍
cpu占用：
Time,CPU%,Temp(°C)
2026-01-15 12:55:54,25,47.7
……
2026-01-15 12:56:15,28.6,48.6
由此可见多线程 TFLite 推理已经完全跑满 CPU，推理期间最高仅 49°C
五、心得体会：
官网提供的代码没有指定CPU的核心数，所以默认是1。我也是上网查了一下才知道要用num_threads来指定你的核心数。所以我觉得这是一个坑，如果只用单核推理，实在是浪费这个四核CPU的性能。同时在四核跑满的情况下，温度能控制在50度内，让我有点意外。
但是我也遇到了一个问题，目前我们烧录的是BeagleBoard提供的Debian系统，是无法使用DSP加速推理，我查了很多资料都没找到解决方案。