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
| 项目 | 版本/型号 |
|---|---|
| NPU | Ascend910 |
| npu-smi | 25.5.2 |
| PyTorch NPU | Available |
| Device Name | Ascend910_9362 |
环境检查日志:logs/env_check.log
pip install -r requirements.txt
python inference.py推理结果 (NPU Top-5):
日志保存在 logs/inference.log。
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_error | 0.000868 |
| mean_abs_error | 0.000170 |
| relative_error | 0.1530% |
| cosine_similarity | 0.999999 |
| threshold | 1.0% |
| 结果 | PASS |
python benchmark.py单卡 NPU 推理性能(batch=1, 256x256):
性能日志:logs/benchmark.log
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。
screenshots/self_verification.txtscreenshots/self_verification.png| 日志 | 说明 |
|---|---|
logs/stage0.log | 阶段 0 模型可用性验证 |
logs/env_check.log | NPU 环境检查 |
logs/paths.txt | ModelScope 下载路径记录 |
logs/inference.log | 推理结果 |
logs/accuracy.log | Smoke 精度对比 |
logs/benchmark.log | 性能基准测试 |
.safetensors/.bin/.pth/.pt/.ckpt/.onnx)已加入 .gitignore,请勿提交到仓库。timm.create_model 使用 pretrained=False,权重通过 ModelScope snapshot_download 获取。assets/test.jpg 为占位图,实际部署时替换为真实图片。#NPU