python目录下提供了一系列Python例程，具体情况如下：
| 序号 | Python例程 | 说明 |
|---|---|---|
| 1 | lprnet_opencv.py | 使用OpenCV解码、OpenCV前处理、SAIL推理 |
| 2 | lprnet_bmcv.py | 使用SAIL解码、BMCV前处理、SAIL推理 |
如果您在x86/arm/riscv平台安装了PCIe加速卡（如SC系列加速卡），并使用它测试本例程，您需要安装libsophon、sophon-opencv、sophon-ffmpeg和sophon-sail，具体请参考x86-pcie平台的开发和运行环境搭建或arm-pcie平台的开发和运行环境搭建或riscv-pcie平台的开发和运行环境搭建。
此外您可能还需要安装其他第三方库：
pip3 install -r requirements.txt如果您使用SoC平台（如SE、SM系列边缘设备），并使用它测试本例程，刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包。您还需要交叉编译安装sophon-sail，具体可参考交叉编译安装sophon-sail。
此外您可能还需要安装其他第三方库：
pip3 install -r requirements.txt注:
上述命令安装的是公版opencv，如果您希望使用sophon-opencv，可以设置如下环境变量：
export PYTHONPATH=$PYTHONPATH:/opt/sophon/sophon-opencv-latest/opencv-python/若使用sophon-opencv需要保证python版本小于等于3.8。
python例程不需要编译，可以直接运行，PCIe平台和SoC平台的测试参数和运行方式是相同的。
lprnet_opencv.py和lprnet_bmcv.py的命令参数相同，以lprnet_opencv.py的推理为例，参数说明如下：
usage: lprnet_opencv.py [--input INPUT_PATH] [--bmodel BMODEL] [--dev_id DEV_ID]
--input: 测试数据路径，可输入整个图片文件夹的路径；
--bmodel: 用于推理的bmodel路径，默认使用stage 0的网络进行推理；
--dev_id: 用于推理的tpu设备id；图片测试实例如下，支持对整个图片文件夹进行测试。
python3 lprnet_opencv.py --input ../datasets/test --bmodel ../models/BM1684/lprnet_fp32_1b.bmodel --dev_id 0执行完成后，会将预测结果保存在results/lprnet_fp32_1b.bmodel_test_opencv_python_result.json下，同时会打印预测结果、推理时间等信息，输出如下：
......
INFO:root:filename: 豫RM6396.jpg, res: 皖RM6396
INFO:root:filename: 皖S08407.jpg, res: 皖S08407
INFO:root:filename: 皖SYZ927.jpg, res: 皖SYZ927
INFO:root:filename: 皖SZ788K.jpg, res: 皖SZ788K
INFO:root:filename: 皖SZH382.jpg, res: 皖SZH382
INFO:root:filename: 川X90621.jpg, res: 川X90621
INFO:root:result saved in ./results/lprnet_fp32_1b.bmodel_test_opencv_python_result.json
INFO:root:------------------ Inference Time Info ----------------------
INFO:root:inference_time(ms): 1.21
INFO:root:total_time(ms): 2228.84, img_num: 1000
INFO:root:average latency time(ms): 2.23, QPS: 448.663952