timm/convnextv2_tiny.fcmae_ft_in22k_in1k on Ascend NPU

1. 简介

本项目将 timm/convnextv2_tiny.fcmae_ft_in22k_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910B) 单卡环境。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

• 硬件：Ascend910B NPU
• 框架：PyTorch + torch_npu
• 模型：timm/convnextv2_tiny.fcmae_ft_in22k_in1k (ConvNeXt V2 Tiny, FCMAE fine-tuned on ImageNet-22K then ImageNet-1K)
• 权重来源：ModelScope snapshot_download
• 输出类别数：1000

3. 推理运行

python inference.py

推理结果：

• Top-1: class_867 (prob=0.4380)
• Top-5:
  1. class_867 (prob=0.4380)
  2. class_660 (prob=0.0368)
  3. class_979 (prob=0.0344)
  4. class_525 (prob=0.0282)
  5. class_974 (prob=0.0142)

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_867
• NPU Top-1: class_867
• CPU Top-5: class_867, class_660, class_979, class_525, class_974
• NPU Top-5: class_867, class_660, class_979, class_525, class_974
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 — 推理结果日志
• logs/accuracy.log — CPU-NPU 精度一致性检查日志
• logs/benchmark.log — NPU 性能基准测试日志

9. 注意事项

• 使用 pretrained=False 加载模型结构，通过 ModelScope snapshot_download 获取本地权重后手动加载
• 禁止 HuggingFace 直连下载，不 fallback
• 不提交权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）

10. 标签

#NPU