g
gyccc/timm-convnextv2_base.fcmae_ft_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/convnextv2_base.fcmae_ft_in1k on Ascend NPU #NPU

1. 简介

将 timm/convnextv2_base.fcmae_ft_in1k 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) 创建结构并加载本地权重。

2. 验证环境

  • 硬件：Ascend910 NPU
  • 软件：PyTorch + torch_npu
  • 框架：timm
  • 设备：npu:0

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 推理
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_814 (0.4285)
  • Top-2: class_625 (0.1164)
  • Top-3: class_484 (0.1046)
  • Top-4: class_871 (0.0518)
  • Top-5: class_472 (0.0342)

日志保存在 logs/inference.log。

4. 精度验证

python eval_accuracy.py

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.015184
mean_abs_error0.001351
relative_error0.3424%
cosine_similarity0.999997
threshold1.0%
结果PASS
  • CPU Top-1 与 NPU Top-1 类别一致
  • CPU Top-5 与 NPU Top-5 类别一致

5. 性能参考

指标值
Avg latency16.63 ms
Min latency16.55 ms
Max latency16.69 ms
P50 latency16.66 ms
P90 latency16.69 ms
P95 latency16.69 ms
Throughput60.13 images/sec

6. 精度评测

Smoke consistency 验证（非官方精度评测）：

  • 使用单张测试图片进行 CPU vs NPU 对比
  • Top-1/Top-5 类别完全一致
  • 概率偏差极小（max diff < 0.5%）

详细日志见 logs/accuracy.log。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

  • logs/inference.log — 推理结果
  • logs/accuracy.log — 精度一致性检查
  • logs/benchmark.log — 性能基准测试
  • logs/env_check.log — 环境检查

9. 注意事项

  • 使用 ModelScope snapshot_download 下载权重，不依赖 HuggingFace 直连
  • 权重文件未提交到仓库（.gitignore 已排除）
  • 性能数据为单卡单 batch 参考值，实际部署可能因配置不同而有差异

10. 标签

#NPU #Ascend #timm #ConvNeXtV2 #ImageClassification #ModelScope