timm/mobilenetv4_conv_large.e500_r256_in1k on Ascend NPU

1. 简介

本工程将 ModelScope 图片分类模型 timm/mobilenetv4_conv_large.e500_r256_in1k 适配为可在单卡昇腾 NPU（Ascend910）上运行的提交工程。

模型类型：timm 图片分类模型
输入尺寸：256x256
输出类别：1000（ImageNet-1k）
权重加载方式：timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

环境检查日志：logs/env_check.log

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_489 (0.0015)
• Top-2: class_111 (0.0015)
• Top-3: class_644 (0.0014)
• Top-4: class_21 (0.0013)
• Top-5: class_904 (0.0013)

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：

• 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

单卡 NPU 推理性能（batch=1, 256x256）：

• Average latency: 11.59 ms
• Min/Max: 11.51 ms / 11.70 ms
• P50/P90/P95: 11.60 / 11.70 / 11.70 ms
• Throughput: 86.27 images/sec

性能日志：logs/benchmark.log

6. 精度评测

本工程未在完整 ImageNet-1k 验证集上运行，仅提供 CPU-NPU smoke 一致性验证。如需完整精度评测，请在具备完整数据集的环境中运行。

7. 自验证截图

• 文本摘要：screenshots/self_verification.txt
• 截图：screenshots/self_verification.png

8. 日志文件

9. 注意事项

1. 权重不提交：模型权重（.safetensors/.bin/.pth/.pt/.ckpt/.onnx）已加入 .gitignore，请勿提交到仓库。
2. 无 HuggingFace 自动下载：timm.create_model 使用 pretrained=False，权重通过 ModelScope snapshot_download 获取。
3. 测试图片：assets/test.jpg 为占位图，实际部署时替换为真实图片。
4. 不 fallback：若 ModelScope 下载失败或权重加载失败，脚本将直接报错退出。

10. 标签

#NPU