timm/convnextv2_base.fcmae_ft_in22k_in1k on Ascend NPU

1. 简介

将 timm/convnextv2_base.fcmae_ft_in22k_in1k 图片分类模型适配为可在单卡昇腾 NPU（Ascend910B）上运行的提交工程。

• 模型来源：ModelScope timm/convnextv2_base.fcmae_ft_in22k_in1k
• 权重格式：safetensors（优先）/ pytorch_model.bin
• 类别数：1000
• 输入尺寸：224x224

2. 验证环境

• 硬件：Ascend910B NPU
• 软件：PyTorch + torch_npu
• 下载方式：ModelScope snapshot_download（不使用 HuggingFace 直连）
• 模型加载：timm.create_model(pretrained=False) + 本地权重加载

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果示例（test.jpg）：

• Top-1: class_970 (0.7864)
• Top-2: class_979 (0.0881)
• Top-3: class_975 (0.0161)

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：

• 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

python benchmark.py

6. 精度评测

本工程为 smoke consistency 验证，非官方精度评测。Top-5 CPU vs NPU 完全一致，说明 NPU 迁移无精度损失。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log - 推理结果日志
• logs/accuracy.log - 精度对比日志
• logs/benchmark.log - 性能测试日志
• logs/env_check.log - 环境检查日志

9. 注意事项

• 本模型使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) 创建模型结构，本地加载权重
• 不提交权重文件（*.safetensors, *.bin 等已加入 .gitignore）
• 性能数据为单卡单 batch 参考值，实际部署请以正式基准测试为准

10. 标签

#NPU