g
gyccc/timm-poolformer_s12.sail_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/poolformer_s12.sail_in1k on Ascend NPU

1. 简介

本项目将 timm/poolformer_s12.sail_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。PoolFormer-S12 是基于池化注意力的轻量级视觉模型，S12 表示 Small 规格配置。

  • 模型来源：ModelScope (timm/poolformer_s12.sail_in1k)
  • 模型结构：PoolFormer-S12 (timm create_model, pretrained=False)
  • 权重加载：ModelScope snapshot_download + safetensors 本地加载
  • 推理设备：昇腾 NPU (Ascend910_9362)

2. 验证环境

项目配置
NPUAscend910_9362
CANN8.5.1
PyTorch2.x
torch_npu已安装
模型权重model.safetensors (45.5MB)
缺失/多余 key0 / 0

3. 推理运行

pip install -r requirements.txt
python inference.py

NPU 推理结果：

TopClass概率
Top-1class_210.40%
Top-2class_5490.39%
Top-3class_7690.36%
Top-4class_7830.34%
Top-5class_6230.34%

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_error0.014316
mean_abs_error0.003558
relative_error0.9745%
cosine_similarity0.999962
threshold1.0%
结果PASS
  • CPU Top-1: class_21
  • NPU Top-1: class_21
  • CPU Top-5: class_21, class_549, class_769, class_783, class_623
  • NPU Top-5: class_21, class_549, class_769, class_783, class_623
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg5.50 ms
min5.34 ms
max5.80 ms
p505.43 ms
p905.71 ms
p955.75 ms
images/sec181.89

测试条件：batch=1, 224x224, 预热 2 次 + 10 次正式测试, Ascend910_9362。

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

见 screenshots/self_verification.png。

8. 日志文件

文件说明
logs/inference.logNPU 推理结果
logs/accuracy.logCPU-NPU 精度一致性验证
logs/benchmark.log性能基准测试
logs/env_check.log环境检查信息

9. 注意事项

  • 权重文件（*.safetensors, *.bin 等）不提交到仓库，通过 ModelScope snapshot_download 在运行时自动下载
  • 使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 HuggingFace 自动下载
  • 单图 smoke consistency 验证，相对误差 0.9745% < 1.0% 阈值，CPU/NPU Top-5 完全匹配

10. 标签

#NPU #Ascend #Ascend910 #timm #PoolFormer #ImageClassification #ModelScope