timm/mobilenetv4_hybrid_medium.e500_r224_in1k on Ascend NPU

1. 简介

本项目将 ModelScope 模型 timm/mobilenetv4_hybrid_medium.e500_r224_in1k 适配为可在单卡昇腾 NPU（Ascend910）上运行的提交工程。

• 模型来源：ModelScope（timm）
• 模型类型：Image Classification
• 输入尺寸：224 x 224
• 类别数：1000
• 参数量：约 11.1M
• 权重加载方式：timm.create_model(pretrained=False) + ModelScope 本地权重加载
• 无 HuggingFace 自动下载 fallback

2. 验证环境

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理脚本使用 model_utils.py 统一加载模型，通过 timm.data.resolve_model_data_config + create_transform 进行预处理，并在 npu:0 上执行真实推理。

推理结果 (NPU Top-5):

• Top-1: class_510 (0.3064)
• Top-2: class_519 (0.0977)
• Top-3: class_449 (0.0605)
• Top-4: class_460 (0.0601)
• Top-5: class_492 (0.0306)

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

测试条件：batch=1, 输入 224x224, 预热 2 次 + 正式 10 次。

6. 精度评测

本工程未包含完整 ImageNet 验证集精度评测，仅提供 CPU/NPU 一致性 smoke 测试。如需完整精度，请使用 ImageNet 验证集运行标准评测。

7. 自验证截图

见 screenshots/self_verification.png 与 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 权重不提交：.gitignore 已排除所有权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）。首次运行时会通过 ModelScope snapshot_download 自动下载到本地缓存。
2. 不 fallback：若 ModelScope 下载失败或权重加载失败，脚本会直接报错终止，不会回退到 HuggingFace 自动下载。
3. NPU 独占：推理时模型和数据均迁移到 npu:0，前后调用 torch.npu.synchronize() 确保计时准确。

10. 标签

#NPU