facebook/regnet-y-1280-seer-in1k on Ascend NPU

1. 简介

• 模型名称：facebook/regnet-y-1280-seer-in1k
• 任务类型：图片分类（Image Classification）
• 原始模型链接：Hugging Face / GitCode Mirror
• 适配方式：Transformers + torch_npu
• 运行设备：单卡 Ascend NPU（Ascend910B4）
• 不使用 vLLM、TP、EP、DP、MoE 优化
• 不使用 文本生成接口
• 本模型是 RegNet-Y-1280 SEER ImageNet-1k 图像分类模型，参数量约 644.8M，适配结果以当前单卡 NPU 实测为准。

2. 验证环境

3. 推理运行

依赖安装

pip install torch torchvision transformers pillow requests numpy huggingface_hub accelerate

注意：torch_npu 通常由官方昇腾容器提供，不建议单独安装。

运行推理

export HF_ENDPOINT=https://hf-mirror.com
python inference.py

• 日志路径：logs/inference.log
• 预测输出：logs/prediction.txt

4. Smoke 验证

5. 性能参考

python benchmark.py

注：由于本模型参数量非常大（644.8M），benchmark 使用 2 次预热 + 5 次正式测试，少于小模型的测试次数。

6. 精度评测

python eval_accuracy.py

CPU vs NPU 对比方法：使用同一张测试图片、同一官方 AutoImageProcessor 预处理，在 CPU 和 NPU 上分别运行同一模型，对比 logits 输出。

明确说明：这是 smoke accuracy / CPU-NPU 一致性验证，不是官方 ImageNet 数据集精度。

7. 自验证截图

• screenshots/self_verification.txt：从真实日志提取的关键内容
• screenshots/self_verification.png：由 Python + PIL 根据真实日志生成

截图由真实 logs 生成，不是伪造。

8. 日志文件

9. 注意事项

• 测试图片 assets/test.jpg 是从公开 URL 下载的真实图片，不是占位图
• 未出现 exit code 137
• 未出现显存不足、内存不足、进程被 kill 或运行超时
• 使用 HF_ENDPOINT=https://hf-mirror.com 下载模型（HuggingFace 直连超时）
• 使用 AutoImageProcessor（ConvNextImageProcessor）进行预处理，不手写伪预处理
• 模型参数量非常大（644.8M），benchmark 次数少于小模型（2 次预热 + 5 次正式测试）
• 模型权重不随仓库提交
• pytorch_model.bin、model.safetensors、.bin、.safetensors 不提交
• fusion_result.json / kernel_meta 为 torch_npu 自动产物，已删除并加入 .gitignore
• CPU/NPU 精度验证已完成，prob_max_diff < 1%，Top-1/Top-5 一致
• benchmark 已完成，平均延迟 80.73ms

10. 标签

#NPU