g
gyccc/timm-hrnet_w32.ms_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/hrnet_w32.ms_in1k on Ascend NPU

1. 简介

本项目将 timm/hrnet_w32.ms_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/hrnet_w32.ms_in1k)
  • 模型类型: 图片分类 (Image Classification)
  • 适配方式: timm.create_model(pretrained=False) 创建模型结构，通过 ModelScope snapshot_download 下载本地权重并加载
  • 硬件: 昇腾 NPU (Ascend910B)

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu适配版本
timm1.0.27

3. 推理运行

pip install -r requirements.txt
python inference.py

推理脚本加载本地权重并在 NPU 上执行单图推理，输出 Top-5 预测结果。

=== NPU Inference ===
model: timm/hrnet_w32.ms_in1k
model_dir: /opt/atomgit/.cache/modelscope/hub/models/timm/hrnet_w32___ms_in1k
weights_path: /opt/atomgit/.cache/modelscope/hub/models/timm/hrnet_w32___ms_in1k/model.safetensors
missing keys: 0
unexpected keys: 0
output shape: torch.Size([1, 1000])

Top-5 predictions:
  1. class_425: 0.769827
  2. class_912: 0.079823
  3. class_984: 0.037832
  4. class_915: 0.023585
  5. class_580: 0.007160

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_error0.004793
mean_abs_error0.001057
relative_error0.0657%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_425
  • NPU Top-1: class_425
  • CPU Top-5: class_425, class_912, class_984, class_915, class_580
  • NPU Top-5: class_425, class_912, class_984, class_915, class_580
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms31.447
min_latency_ms30.984
max_latency_ms32.930
p50_ms31.170
p90_ms32.298
p95_ms32.614
images_per_sec31.80

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。

8. 日志文件

日志说明
logs/env_check.logNPU 环境检查
logs/inference.logNPU 推理结果
logs/accuracy.logCPU-NPU 精度一致性
logs/benchmark.logNPU 性能基准

9. 注意事项

  • 本项目不包含模型权重文件，运行时通过 modelscope 自动下载。
  • 严禁将 *.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx 提交到仓库。
  • 使用 pretrained=False 创建模型结构，仅通过 ModelScope 本地路径加载权重。

10. 标签 #NPU