facebook/regnet-x-120 on Ascend NPU

1. 简介

本项目将 HuggingFace 模型 facebook/regnet-x-120 适配到昇腾 NPU (Ascend910)，使用 ModelScope 进行权重下载，通过 transformers 的 AutoModelForImageClassification 本地加载并完成单卡推理验证、精度一致性检查和性能基准测试。

模型类型：RegNetForImageClassification（ImageNet-1k 图像分类，1000 类）。

2. 验证环境

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU, 输入为占位测试图):

=== NPU Inference Result ===
Model: facebook/regnet-x-120
Input shape: torch.Size([1, 3, 224, 224])
Output logits shape: torch.Size([1, 1000])

Top-5 predictions:
  1. nematode, nematode worm, roundworm                 0.0311
  2. letter opener, paper knife, paperknife             0.0219
  3. cleaver, meat cleaver, chopper                     0.0196
  4. corkscrew, bottle screw                            0.0192
  5. hook, claw                                         0.0161

日志保存在 logs/inference.log。

4. 精度验证

对单张测试输入进行 CPU 与 NPU 一致性验证：

5. 性能参考

NPU 单卡 batch=1 推理性能（10 次正式运行）：

6. 精度评测说明

本项目包含单输入 smoke consistency 验证，非官方完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png 与 screenshots/self_verification.txt。

8. 日志文件

• logs/env_check.log — 环境检查
• logs/inference.log — 推理结果
• logs/accuracy.log — 精度验证
• logs/benchmark.log — 性能基准
• logs/stage0.log — 阶段 0 可用性验证
• logs/paths.txt — 模型路径记录

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，不提交到本仓库（已在 .gitignore 中排除）。
• 首次运行时会自动从 ModelScope 下载约 185 MB 的 pytorch_model.bin。
• 测试图片为占位图（assets/test.jpg），实际使用时替换为真实图像即可。

10. 标签

#NPU #Ascend #Ascend910 #RegNet #ImageClassification