本章节讲解如何上手物体分类示例代码的关键业务流程与二次开发所需的关键接口，由于本示例使用 resnet18 演示了对 CSK6 NPU 的使用，也可以参考它实现其它模型的推理。
物体分类示例包含在 语音视觉多功能开发板 SDK 的 apps/thinker_service目录下，工程目录名称为 resnet18。
本示例基于开源项目进行移植适配，仅用于 CV 能力的验证与评估，不代表适用于商用项目。
thinker_service_gcs_init (初始化服务)
↓
thinker_service_gcs_start (载入模型并申请资源)
↓
循环 {
thinker_service_gcs_forward (向引擎传入数据，推理，并得到结果)
}
↓
thinker_service_gcs_stop (释放资源、卸载模型)
↓
thinker_service_gcs_deinit (逆初始化服务)
模型文件位于 resources/images/model.bin，它是使用 Linger 导出的。你可以将它替换为你自己的模型。替换后，你还需要修改 boards/csk6_duomotai_devkit.overlay 中定义的模型文件长度（字节数）：
res_thinker_model_partition: partition@300000 {
label = "thinker_model";
reg = <0x00300000 2932416>; /* 2932416 是模型的长度（字节） */
};
在调用 thinker_service_gcs_start() 后，模型会在 CP 侧被自动载入到 Thinker 引擎。
服务的标准输入和输出数据类型为 tData。服务提供了一个 thinker_service_gcs_forward(inputs, input_cnt, *outputs, *output_cnt) 接口，可以传入一个或同时传入多个 input，等待引擎推理，并返回一个或多个 output。
tData input;
input.dtype_ = Int8;
input.scale_ = 6;
input.shape_.ndim_ = 4;
input.shape_.dims_[0] = 1;
input.shape_.dims_[1] = INPUT_CHANNELS;
input.shape_.dims_[2] = INPUT_WIDTH;
input.shape_.dims_[3] = INPUT_HEIGHT;
input.dptr_ = my_features;
uint32_t input_cnt = 1;
tData *output;
uint32_t output_cnt;
thinker_service_gcs_forward(&input, input_cnt, &output, &output_cnt);
// output_cnt 会被赋值为模型的 output 数，output 即为该次推理的结果