g
gyccc/timm-regnetx_160-tv2_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/regnetx_160.tv2_in1k on Ascend NPU

1. 简介

将 timm/regnetx_160.tv2_in1k 图片分类模型适配为可在单卡昇腾 NPU (Ascend910) 上运行的提交工程。

  • 模型来源：ModelScope snapshot_download
  • 权重加载：timm.create_model(pretrained=False) + 本地权重
  • 推理设备：npu:0

2. 验证环境

项目值
NPUAscend910 (npu:0)
PyTorchtorch + torch_npu
模型参数量RegNet 系列
输入尺寸224x224
分类数1000

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (logs/inference.log)：

  • Top-1: class_644 (0.0246)
  • Top-2: class_473 (0.0144)
  • Top-3: class_769 (0.0129)
  • Top-4: class_818 (0.0126)
  • Top-5: class_111 (0.0116)

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_error0.000935
mean_abs_error0.000153
relative_error0.0228%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_644
  • NPU Top-1: class_644
  • CPU Top-5: class_644, class_473, class_769, class_818, class_111
  • NPU Top-5: class_644, class_473, class_769, class_818, class_111
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
Avg latency7.56 ms
Min latency7.38 ms
Max latency7.98 ms
P50 latency7.48 ms
P90 latency7.74 ms
P95 latency7.86 ms
Throughput132.36 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 - 精度验证结果
  • logs/benchmark.log - 性能基准测试结果
  • logs/env_check.log - 环境检查

9. 注意事项

  • 使用 ModelScope snapshot_download 下载权重，禁止 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) 创建结构并加载本地权重
  • 不提交权重文件 (*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx)
  • CPU-NPU 精度相对误差 < 1.0% 为通过阈值

10. 标签 #NPU