timm/mobilenetv4_hybrid_large.ix_e600_r384_in1k on Ascend NPU

1. 简介

本项目将 timm 库中的 MobileNetV4 Hybrid Large 图像分类模型适配到华为昇腾 NPU (Ascend910)，使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重。

• 模型: timm/mobilenetv4_hybrid_large.ix_e600_r384_in1k
• 任务: 图像分类 (ImageNet-1K, 1000 类)
• 输入分辨率: 384x384
• 权重来源: ModelScope

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_810 (0.4524)
• Top-2: class_878 (0.3659)
• Top-3: class_508 (0.0005)
• Top-4: class_73 (0.0004)
• Top-5: class_763 (0.0004)

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

单卡 Ascend910，batch_size=1，384x384 输入：

6. 精度评测

Smoke 验证精度 (非官方评测)：

• CPU-NPU Top-1/Top-5 类别完全匹配
• Logits 和概率差异在合理范围内
• 推理结果可复现

7. 自验证截图

见 screenshots/self_verification.png

8. 日志文件

9. 注意事项

• 使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
• 使用 timm.data.resolve_model_data_config 自动生成预处理 (384x384, bicubic, ImageNet 标准归一化)
• 精度验证为 smoke consistency，非官方精度评测
• 未提交模型权重文件

10. 标签

#NPU #Ascend910 #timm #MobileNetV4 #ImageClassification #ModelScope