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 | yolov34_opencv.py | 使用OpenCV解码、OpenCV前处理、SAIL推理 |
| 2 | yolov34_bmcv.py | 使用SAIL解码、BMCV前处理、SAIL推理 |
如果您在x86/arm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。
此外您可能还需要安装其他第三方库：
pip3 install 'opencv-python-headless<4.3'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 'opencv-python-headless<4.3'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。
yolov34_opencv.py和yolov34_bmcv.py的参数一致，以yolov34_opencv.py为例：
usage: yolov34_opencv.py [--input INPUT_PATH] [--bmodel BMODEL] [--dev_id DEV_ID]
[--conf_thresh CONF_THRESH] [--nms_thresh NMS_THRESH]
--input: 测试数据路径，可输入整个图片文件夹的路径或者视频路径；
--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；
--conf_thresh: 置信度阈值；
--nms_thresh: nms阈值。图片测试实例如下，支持对整个图片文件夹进行测试。
python3 python/yolov34_opencv.py --input datasets/test --bmodel models/BM1684/yolov3_fp32_1b.bmodel --dev_id 0 --conf_thresh 0.3 --nms_thresh 0.5测试结束后，会将预测的图片保存在results/images下，预测的结果保存在results/yolov3_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。
视频测试实例如下，支持对视频流进行测试。
python3 python/yolov34_opencv.py --input datasets/test_car_person_1080P.mp4 --bmodel models/BM1684/yolov3_fp32_1b.bmodel --dev_id 0 --conf_thresh 0.3 --nms_thresh 0.5测试结束后，会将预测的结果画在results/test_car_person_1080P.avi中，同时会打印预测结果、推理时间等信息。
yolov34_bmcv.py会将预测结果画在图片上并保存在results/images中。