g
gyccc/facebook-regnet-y-320-seer-in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

facebook/regnet-y-320-seer-in1k on Ascend NPU

1. 简介

将 Facebook 的 RegNet-Y-320（SEER 自监督预训练，ImageNet-1K 微调）适配到华为昇腾 NPU（Ascend910）上运行。该模型包含约 145M 参数，使用 RegNetForImageClassification 架构，输入尺寸为 384x384。

2. 验证环境

  • 硬件：华为昇腾 Ascend910 NPU
  • 操作系统：Linux
  • Python 3.11
  • PyTorch + torch_npu
  • Transformers
  • ModelScope（模型权重下载源）

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: parachute, chute (0.2284)
  • Top-2: ski (0.1837)
  • Top-3: pole (0.1544)
  • Top-4: crane (0.0739)
  • Top-5: alp (0.0491)

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_error0.003831
mean_abs_error0.000769
relative_error0.0633%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: parachute, chute
  • NPU Top-1: parachute, chute
  • CPU Top-5: parachute, chute, ski, pole, crane, alp
  • NPU Top-5: parachute, chute, ski, pole, crane, alp
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency17.35 ms
min_latency16.60 ms
max_latency23.86 ms
p50_latency16.64 ms
p90_latency23.86 ms
p95_latency23.86 ms
images_per_sec57.63

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

详见 screenshots/self_verification.png。

8. 日志文件

  • logs/inference.log — 推理结果
  • logs/accuracy.log — CPU-NPU 精度一致性验证
  • logs/benchmark.log — 性能基准测试
  • logs/stage0.log — 模型预判与可用性检查

9. 注意事项

  • 模型权重通过 ModelScope snapshot_download 下载，本地加载
  • 使用 from_pretrained(model_dir) 加载模型结构和权重
  • Processor 使用 ConvNextFeatureExtractor，输入尺寸 384x384
  • 测试图片来自 picsum.photos（随机图片），非 ImageNet 验证集

10. 标签 #NPU