本文档记录了 facebook/regnet-y-640-seer-in1k 模型在华为昇腾 NPU (Ascend910) 上的适配过程和验证结果。
RegNet-Y-640-SEER 是 Meta (FAIR) 基于 RegNet 设计空间搜索得到的高效卷积神经网络,使用 SEER (self-supervised) 预训练方法在 Instagram 1B 图片上进行大规模自监督学习,然后在 ImageNet-1K 上微调。Y 变体使用 SE (Squeeze-and-Excitation) 模块。
pip install -r requirements.txt
python inference.py推理结果 (NPU Top-5):
日志保存在 logs/inference.log。
对单张测试图片进行 CPU 与 NPU 一致性验证:
| 指标 | 数值 |
|---|---|
| max_abs_error | 0.005218 |
| mean_abs_error | 0.000749 |
| relative_error | 0.0521% |
| cosine_similarity | 1.000000 |
| threshold | 1.0% |
| 结果 | PASS |
| 指标 | 数值 |
|---|---|
| avg_latency | 30.93 ms |
| min_latency | 30.86 ms |
| max_latency | 31.02 ms |
| p50_latency | 30.90 ms |
| p90_latency | 31.00 ms |
| p95_latency | 31.01 ms |
| throughput | 32.34 images/sec |
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。
详见 screenshots/self_verification.png 和 screenshots/self_verification.txt。
logs/env_check.log - NPU 环境检查logs/inference.log - 推理结果logs/accuracy.log - 精度验证logs/benchmark.log - 性能测试#NPU #Ascend #Ascend910 #RegNet #ImageClassification #facebook