timm/regnety_160.tv2_in1k on Ascend NPU

1. 简介

将 timm/regnety_160.tv2_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，不依赖 HuggingFace 直连下载。

2. 验证环境

设备: Ascend910_9362
PyTorch: torch
NPU 支持: torch_npu

3. 推理运行

pip install -r requirements.txt
python inference.py

输出示例：

=== RegNetY-160 NPU Inference ===
Output shape: torch.Size([1, 1000])
  Top-1: class_549  prob=0.0254
  Top-2: class_600  prob=0.0212
  Top-3: class_769  prob=0.0132
  Top-4: class_644  prob=0.0117
  Top-5: class_677  prob=0.0097

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	0.000609
mean_abs_error	0.000089
relative_error	0.0125%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_549
NPU Top-1: class_549
CPU Top-5: class_549, class_600, class_769, class_644, class_677
NPU Top-5: class_549, class_600, class_769, class_644, class_677
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
平均延迟	9.51 ms
最小延迟	9.19 ms
最大延迟	9.68 ms
P50 延迟	9.58 ms
P90 延迟	9.68 ms
P95 延迟	9.68 ms
吞吐量	105.12 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
timm.create_model(pretrained=False) 创建结构并加载本地权重
不使用 HuggingFace 直连下载
不提交权重文件（*.safetensors, *.bin, *.pth 等）

10. 标签 #NPU