w
gcw_uQ09W7jl/timm-convnext_small.in12k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/convnext_small.in12k on Ascend NPU

1. 简介

本项目将 timm/convnext_small.in12k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • NPU: Ascend910
  • CANN: 8.5.1
  • torch: 2.x
  • torch_npu: 适配 CANN 8.5.1
  • Python: 3.11

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_8918 (0.172664)
  • Top-2: class_9558 (0.117059)
  • Top-3: class_2603 (0.065065)
  • Top-4: class_9235 (0.040034)
  • Top-5: class_9026 (0.030168)

日志保存在 logs/inference.log。

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.036272
mean_abs_error0.006267
relative_error0.6393%
cosine_similarity0.999980
threshold1.0%
结果PASS
  • CPU Top-1: class_8918
  • NPU Top-1: class_8918
  • CPU Top-5: class_8918, class_9558, class_2603, class_9235, class_9026
  • NPU Top-5: class_8918, class_9558, class_2603, class_9235, class_9026
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms12.919
min_latency_ms12.890
max_latency_ms12.944
p50_latency_ms12.918
p90_latency_ms12.944
p95_latency_ms12.944
images_per_sec77.40

日志保存在 logs/benchmark.log。

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 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。

8. 日志文件

  • logs/env_check.log — NPU 环境检查
  • logs/inference.log — 推理结果
  • logs/accuracy.log — CPU-NPU 精度一致性
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 权重通过 ModelScope 下载，请勿将权重文件提交到 Git 仓库。
  • 首次运行会自动下载模型权重，请确保网络畅通。
  • 模型输入尺寸为 224x224，分类头为 ImageNet-12k（11821 类）。

10. 标签

#NPU