timm/regnetx_008.pycls_in1k on Ascend NPU

1. 简介

将 timm/regnetx_008.pycls_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，无需 HuggingFace 直连。

2. 验证环境

硬件：Ascend910 NPU
软件：torch + torch_npu
模型：timm/regnetx_008.pycls_in1k（RegNetX-008，1000 类 ImageNet 分类）

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（单张测试图片）：

排名	类别	概率
Top-1	class_111	0.0441
Top-2	class_499	0.0191
Top-3	class_128	0.0166
Top-4	class_534	0.0162
Top-5	class_623	0.0160

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	0.009287
mean_abs_error	0.001698
relative_error	0.1736%
cosine_similarity	0.999999
threshold	1.0%
结果	PASS

CPU Top-1: class_111
NPU Top-1: class_111
Top-1 match: True

5. 性能参考

指标	数值
平均延迟	5.76 ms
最小延迟	5.71 ms
最大延迟	5.86 ms
P50	5.76 ms
P90	5.86 ms
P95	5.86 ms
吞吐量	173.57 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 - 推理结果日志
logs/accuracy.log - 精度验证日志
logs/benchmark.log - 性能基准日志

9. 注意事项

使用 ModelScope snapshot_download 作为唯一下载方式
使用 timm.create_model(pretrained=False) + 本地权重加载
不提交模型权重文件（*.safetensors, *.bin 等已 gitignore）
单卡 NPU 适配，无多卡/分布式

10. 标签 #NPU