timm/convnext_large.fb_in22k_ft_in1k_384 on Ascend NPU
1. 简介
将 timm/convnext_large.fb_in22k_ft_in1k_384（ConvNeXt-Large，ImageNet-22K 预训练后微调至 ImageNet-1K，输入分辨率 384x384）适配到单卡昇腾 NPU（Ascend910）。
- 模型来源：ModelScope snapshot_download
- 权重加载：timm.create_model(pretrained=False) + 本地 safetensors 权重
- 参数量：约 198M
- 输入分辨率：384 x 384
- 输出类别数：1000（ImageNet-1K）
2. 验证环境
| 项目 | 信息 |
|---|---|
| 设备 | 单卡 Ascend910 |
| 框架 | PyTorch + torch_npu |
| 下载方式 | ModelScope snapshot_download |
| 权重格式 | model.safetensors |
3. 推理运行
cd timm-convnext_large-fb_in22k_ft_in1k_384-NPU
pip install -r requirements.txt
python inference.py推理结果示例（单张测试图片）：
- Top-1: class_848 (0.1390)
- Top-2: class_485 (0.1203)
- Top-3: class_754 (0.0458)
- Top-4: class_482 (0.0298)
- Top-5: class_481 (0.0248)
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_error | 0.029315 |
| mean_abs_error | 0.004439 |
| relative_error | 0.9471% |
| cosine_similarity | 0.999969 |
| threshold | 1.0% |
| 结果 | PASS |
- CPU Top-1: class_848
- NPU Top-1: class_848
- CPU Top-5: class_848, class_485, class_754, class_482, class_481
- NPU Top-5: class_848, class_485, class_754, class_482, class_481
- Top-1 match: True
- Top-5 match: True
5. 性能参考
| 指标 | 数值 |
|---|---|
| avg | 23.32 ms |
| min | 23.27 ms |
| max | 23.38 ms |
| p50 | 23.31 ms |
| p90 | 23.38 ms |
| p95 | 23.38 ms |
| images/sec | 42.88 |
测试条件：batch_size=1, 输入 1x3x384x384, warmup 2 次, 正式 10 次。
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
8. 日志文件
logs/inference.log- 推理日志logs/accuracy.log- 精度验证日志logs/benchmark.log- 性能基准日志
9. 注意事项
- 本模型输入分辨率为 384x384，非标准 224x224
- 使用 timm.data.resolve_model_data_config 自动获取预处理参数
- 未使用 HuggingFace 直连下载，完全通过 ModelScope 获取权重
- 未提交任何权重文件（*.safetensors, *.bin 等已排除）
10. 标签
#NPU