convnext_nano.in12k_ft_in1k NPU 部署与推理

模型介绍

convnext_nano.in12k_ft_in1k 是 ConvNeXt 系列中的 Nano 版本，在 ImageNet-12k 上预训练后在 ImageNet-1k 上微调，适用于图像分类任务。

NPU 适配说明

本模型已适配昇腾 Ascend 910 NPU，支持在 NPU 上进行推理。

环境准备

系统要求

• Python 3.11+
• Ascend 910 NPU
• CANN 8.5.1+
• torch 2.0+
• torch-npu 2.0+

安装依赖

pip install torch torch-npu timm Pillow safetensors

推理方法

# CPU 推理
python3 inference.py --model convnext_nano.in12k_ft_in1k --device cpu --image test.jpg

# NPU 推理
python3 inference.py --model convnext_nano.in12k_ft_in1k --device npu --image test.jpg

CPU/NPU 精度对比

精度测试结果

精度结论

基于现有评测数据，CPU 与 NPU 的 余弦相似度 精度误差为 0.0014%，小于 1% 的精度要求。

性能对比

推理成功证据

本仓库提供完整的推理脚本，支持 CPU 和 NPU 双平台推理：

# NPU 推理
python3 inference.py --device npu

# CPU 推理
python3 inference.py --device cpu

推理完成后会输出推理结果和耗时，表明模型在 NPU 上推理成功。