timm/convnext_tiny.fb_in22k_ft_in1k_384 on Ascend NPU

1. 简介

将 timm/convnext_tiny.fb_in22k_ft_in1k_384 图片分类模型适配到单卡昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重。

2. 验证环境

硬件：Ascend910 NPU
OS：Linux 5.10.0-182.0.0.95.r2220_156.hce2.aarch64
Python：3.11.14
PyTorch：2.x
torch_npu：已安装
CANN：8.5.1

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

Top-1: class_975 (0.8458)
Top-2: class_536 (0.0272)
Top-3: class_718 (0.0259)
Top-4: class_460 (0.0115)
Top-5: class_449 (0.0069)

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_error	0.025941
mean_abs_error	0.006203
relative_error	0.8687%
cosine_similarity	0.999972
threshold	1.0%
结果	PASS

CPU Top-1: class_975
NPU Top-1: class_975
CPU Top-5: class_975, class_536, class_718, class_460, class_449
NPU Top-5: class_975, class_536, class_718, class_460, class_449
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg	7.32 ms
min	7.30 ms
max	7.38 ms
p50	7.32 ms
p90	7.38 ms
p95	7.38 ms
throughput	136.57 images/sec

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

见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

8. 日志文件

logs/inference.log — 推理输出
logs/accuracy.log — 精度验证
logs/benchmark.log — 性能基准
logs/env_check.log — 环境检查

9. 注意事项

输入尺寸 384x384，非标准 224x224
使用 ModelScope 下载权重，禁止 HuggingFace 自动下载
禁止提交权重文件（*.bin, *.safetensors 等）

10. 标签 #NPU