timm/convnext_base.clip_laion2b_augreg_ft_in12k on Ascend NPU

1. 简介

将 timm/convnext_base.clip_laion2b_augreg_ft_in12k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。

该模型来源于 CLIP/LAION 预训练，经 OpenCLIP 流程微调为图片分类头输出，类别数为 11821。

2. 验证环境

• NPU: Ascend910
• PyTorch: 2.9.0+cpu
• torch_npu: available
• timm: 1.0.27

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_6486 (0.0047)
• Top-2: class_2624 (0.0026)
• Top-3: class_7124 (0.0024)
• Top-4: class_6481 (0.0021)
• Top-5: class_5662 (0.0021)

日志保存在 logs/inference.log。

4. 精度验证

python eval_accuracy.py

推理结果（单张测试图片）：

• Top-1 class: class_6486
• Top-1 prob: 0.004726
• Top-5: class_6486 (0.004726), class_2624 (0.002570), class_7124 (0.002370), class_6481 (0.002149), class_5662 (0.002136) 对单张测试图片进行 CPU 与 NPU 一致性验证：

5. 性能参考

python benchmark.py

• Avg latency: 14.94 ms
• Throughput: 66.92 images/sec

6. 精度评测

Smoke 测试表明 CPU 与 NPU 输出 logits 高度一致，Top-1/Top-5 预测完全相同。

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 — NPU 推理结果
• logs/accuracy.log — CPU-NPU 一致性对比
• logs/benchmark.log — 性能基准

9. 注意事项

• 模型类别数为 11821（OpenCLIP 头），非标准 ImageNet-1K 的 1000 类。
• 推理输入分辨率由 timm data config 自动解析（本模型为 256x256）。
• 权重文件（.safetensors/.bin/.pth）已加入 .gitignore，不提交到仓库。

10. 标签

#NPU #Ascend #ModelScope #timm #ConvNeXt #CLIP #image-classification