g
gyccc/timm-inception_v3.tf_adv_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/inception_v3.tf_adv_in1k on Ascend NPU

1. 简介

将 timm 库中的 InceptionV3 模型（tf_adv_in1k 预训练权重）适配到华为昇腾 Ascend NPU（单卡）上运行。

  • 模型名：timm/inception_v3.tf_adv_in1k
  • 模型架构：InceptionV3（Google Inception 系列）
  • 任务类型：Image Classification（1000 类 ImageNet）
  • 输入尺寸：[1, 3, 299, 299]
  • 输出维度：[1, 1000]

2. 验证环境

项目值
NPU 型号Ascend910B (Ascend910_9362)
框架PyTorch + torch_npu
权重来源ModelScope snapshot_download
权重格式model.safetensors (91.11 MB)
模型加载timm.create_model(pretrained=False) + 本地权重加载
HuggingFace 下载未使用

3. 推理运行

环境准备

pip install -r requirements.txt

下载测试图片

python download_test_image.py

运行推理

python inference.py

输出示例：

Top-5 predictions:
  class_21: 0.1649
  class_23: 0.1597
  class_22: 0.0868
  class_135: 0.0320
  class_350: 0.0233

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_error0.012420
mean_abs_error0.001952
relative_error0.2447%
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
设备Ascend910_9362
输入尺寸[1, 3, 299, 299]
预热次数2
测试次数10
Avg Latency10.54 ms
Min Latency10.40 ms
Max Latency10.72 ms
P5010.52 ms
P9010.72 ms
P9510.72 ms
Throughput94.86 img/s

运行：python benchmark.py

6. 精度评测

本工程仅包含 smoke 一致性验证（CPU vs NPU 对比），不包含 ImageNet 官方精度评测。

如需官方精度，请使用 ImageNet validation set 运行完整评测。

7. 自验证截图

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

8. 日志文件

文件内容
logs/inference.logNPU 推理结果
logs/accuracy.logCPU vs NPU 精度对比
logs/benchmark.log性能基准测试
logs/paths.txt模型路径信息

9. 注意事项

  • 本工程不提交任何权重文件（*.safetensors, *.bin, *.pth 等）
  • 权重通过 ModelScope snapshot_download 自动下载
  • InceptionV3 使用 299x299 输入尺寸（非标准 224x224）
  • 适配结果基于 Ascend910B 单卡验证

10. 标签

#NPU