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 | groundingdino_pil.py | 使用PIL解码、PIL前处理、SAIL推理 |
考虑到GroundingDINO的demo需要在最新的sophon-sail下才能推理，因此需要当前使用的sail版本满足>=3.8.0. 用户可以通过执行
pip show sophon后查看Version属性来确定版本号。您可以参考编译可被Python3接口调用的Wheel文件
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。
此外您还需要配置其他第三方库：
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。
此外您还需要配置其他第三方库：
pip3 install -r requirements.txtpython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。
以groundingdino_pil.py为例：
usage: groundingdino_pil.py [--image_path INPUT_PATH] [--bmodel BMODEL] [--dev_id DEV_ID]
[--text_threshold TEXT_THRESHOLD] [--box_threshold BOX_THRESHOLD]
[--text_prompt TEXT_PROMPT][--output_dir OUTPUT_DIR]
[--tokenizer_path TOKENIZER_PATH] [--token_spans TOKEN_SPANS]
--image_path: 测试数据路径，目前支持输入图片路径；
--bmodel: 用于推理的bmodel路径，默认使用stage 0的网络进行推理；
--text_prompt: 用于检测的目标名称；
--dev_id: 用于推理的tpu设备id；
--text_threshold: 后处理中匹配每个token的置信度阈值；
--box_threshold: 后处理中用于筛选掉框的置信度；
--output_dir: 生成图片的保存位置；
--tokenizer_path: 分词器的地址；
--token_spans: 感兴趣的token的位置。注意： 默认token_spans是关闭的，可以添加参数
--token_spans来开启该接口, 使用方式为:For example, a caption is 'a cat and a dog', if you would like to detect 'cat', the token_spans should be '[[[2, 5]], ]', since 'a cat and a dog'[2:5] is 'cat'. ,if you would like to detect 'a cat', the token_spans should be '[[[0, 1], [2, 5]], ]', since 'a cat and a dog'[0:1] is 'a', and 'a cat and a dog'[2:5] is 'cat'.
图片测试实例如下，支持对整个图片文件夹进行测试。
python3 groundingdino_pil.py --image_path ../datasets/test/zidane.jpg --bmodel ../models/BM1684X/groundingdino_bm1684x_fp16.bmodel --dev_id 0 --box_threshold 0.3 --text_threshold 0.2 --text_prompt "person" --tokenizer_path ../models/bert-base-uncased --output_dir ./results测试结束后，会将预测的图片保存在results下.