timm/mobilenetv4_hybrid_medium.ix_e550_r256_in1k on Ascend NPU

1. 简介

将 timm/mobilenetv4_hybrid_medium.ix_e550_r256_in1k 图片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，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

硬件：华为昇腾 NPU (Ascend910)
框架：PyTorch + torch_npu
模型来源：ModelScope (timm/mobilenetv4_hybrid_medium.ix_e550_r256_in1k)

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果：

Top-1: class_512 (0.0031)
Top-2: class_644 (0.0029)
Top-3: class_623 (0.0028)
Top-4: class_473 (0.0028)
Top-5: class_549 (0.0026)

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标	数值
max_abs_error	0.003339
mean_abs_error	0.002308
relative_error	0.1006%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_512
NPU Top-1: class_512
CPU Top-5: class_512, class_644, class_623, class_473, class_549
NPU Top-5: class_512, class_644, class_623, class_473, class_549
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg_latency	12.71 ms
min_latency	12.38 ms
max_latency	13.00 ms
p50	12.78 ms
p90	12.99 ms
p95	12.99 ms
throughput	78.68 images/sec

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。

7. 自验证截图

详见 screenshots/self_verification.png

8. 日志文件

logs/inference.log - 推理结果
logs/accuracy.log - 精度验证
logs/benchmark.log - 性能基准

9. 注意事项

本项目不提交任何权重文件（*.bin, *.safetensors 等）
使用 ModelScope snapshot_download 作为唯一下载方式，不依赖 HuggingFace 直连
使用 timm.create_model(pretrained=False) + 本地权重加载

10. 标签

#NPU