gcw_GSiqzzLf/inception_resnet_v2_tf_in1k-npu

inception_resnet_v2.tf_in1k NPU 推理适配

模型介绍

Inception-ResNet-v2 是基于 CNN 的图像分类模型，在 ImageNet-1k 数据集上训练。该模型在华为昇腾 NPU 上完成推理适配。

原始模型地址: https://huggingface.co/timm/inception_resnet_v2.tf_in1k
ModelScope 地址: https://www.modelscope.cn/models/timm/inception_resnet_v2.tf_in1k
任务类型: 图像分类 (Image Classification)
模型框架: PyTorch + timm

模型信息

属性	值
输入尺寸	299 × 299
类别数	1000
预处理均值	[0.485, 0.456, 0.406]
预处理标准差	[0.229, 0.224, 0.225]

NPU 适配说明

此模型基于 torch_npu 在华为昇腾 NPU 上完成推理适配。模型权重通过 ModelScope 下载，加载到 timm 定义的模型结构中。CPU 和 NPU 推理结果对比验证精度满足要求。

环境准备

系统要求

华为昇腾 NPU (Ascend910)
CANN 8.5.1
Python 3.11
torch 2.9.0 + torch_npu 2.9.0

安装依赖

pip install -r requirements.txt

推理命令

CPU 推理

python3 inference.py --device cpu

NPU 推理

python3 inference.py --device npu

推理结果

CPU 推理结果

=== Running inference on CPU ===
Average inference time: 612.93 ms (10 runs)

Top-5 predictions:
  Class 446: 0.060953
  Class 549: 0.028033
  Class 21: 0.020329
  Class 657: 0.020036
  Class 111: 0.019902

NPU 推理结果

=== Running inference on NPU ===
Average inference time: 25.45 ms (10 runs)

Top-5 predictions:
  Class 446: 0.060906
  Class 549: 0.028012
  Class 21: 0.020341
  Class 657: 0.020029
  Class 111: 0.019900

推理性能对比

设备	平均推理耗时 (ms)	加速比
CPU	612.93	1.0×
NPU (Ascend910)	25.45	24.1×

NPU 推理相比 CPU 加速约 24.1 倍。

CPU/NPU 精度测试

测试方法

使用相同输入（固定随机种子）分别在 CPU 和 NPU 上运行推理，对比输出 logits 和概率分布。

运行精度测试脚本：

python3 compare_cpu_npu.py

精度测试结果

指标	值
Logits 最大绝对误差	0.00226808
Logits 余弦相似度	0.99999985
Probabilities 最大绝对误差	0.00006769
Top-1 类别一致率	100.00%
Top-5 类别一致率	100.00%

Top-5 概率详细对比

Rank	CPU Class	CPU Prob	NPU Class	NPU Prob	Prob Diff
1	446	0.060953	446	0.060906	0.00004700
2	549	0.028033	549	0.028012	0.00002100
3	21	0.020329	21	0.020341	0.00001200
4	657	0.020036	657	0.020029	0.00000700
5	111	0.019902	111	0.019900	0.00000200

精度测试结论

NPU 与 CPU 推理误差为 0.01%（概率最大绝对误差），符合精度误差小于 1% 的要求。

Top-1 和 Top-5 类别完全一致，余弦相似度为 0.99999985，表明 NPU 推理结果与 CPU 高度一致。

部署和推理方法

import timm, torch
from timm.data import resolve_data_config, create_transform
from safetensors.torch import load_file
from PIL import Image
import numpy as np

model_name = 'inception_resnet_v2.tf_in1k'
model = timm.create_model(model_name, pretrained=False)

# 从 safetensors 加载权重
state_dict = load_file('/path/to/model.safetensors')
model.load_state_dict(state_dict, strict=True)
model = model.to('npu')
model.eval()

# 数据预处理
config = resolve_data_config({}, model=model)
transform = create_transform(**config)

# 推理
img = Image.open('image.jpg').convert('RGB')
input_tensor = transform(img).unsqueeze(0).to('npu')

with torch.no_grad():
    output = model(input_tensor)
probs = torch.nn.functional.softmax(output, dim=1)
top_probs, top_indices = torch.topk(probs, 5, dim=1)

推理截图

推理成功证据

以下日志展示了 NPU 推理成功的关键信息：

=== Running inference on CPU ===
Average inference time: 612.93 ms (10 runs)
Top-5 predictions:
Inference completed on cpu
Average inference time: 612.93 ms

模型标签

#+NPU
#+CV
#+图像分类
#+昇腾
#+InceptionResNet
#+CNN

仓库说明

本仓库为 inception_resnet_v2.tf_in1k 模型在华为昇腾 NPU 上的适配仓库，包含完整的推理脚本、精度测试脚本和部署说明。