timm/regnety_320.tv2_in1k on Ascend NPU

1. 简介

本项目将 timm/regnety_320.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，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：RegNetY-320 (timm/regnety_320.tv2_in1k)
权重来源：ModelScope snapshot_download

3. 推理运行

python inference.py

推理结果（Top-5）：

class_0644 (0.0230)
class_0549 (0.0133)
class_0512 (0.0120)
class_0600 (0.0114)
class_0769 (0.0109)

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	0.000562
mean_abs_error	0.000097
relative_error	0.0158%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_0644
NPU Top-1: class_0644
CPU Top-5: class_0644, class_0549, class_0512, class_0600, class_0769
NPU Top-5: class_0644, class_0549, class_0512, class_0600, class_0769
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
Avg latency	11.63 ms
Min latency	11.59 ms
Max latency	11.66 ms
P50 latency	11.63 ms
P90 latency	11.65 ms
P95 latency	11.66 ms
Throughput	86.02 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

请参阅 screenshots/ 目录。

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 pretrained=False + ModelScope 本地权重加载
不使用 HuggingFace 直连下载
不提交权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）
单图 smoke consistency 验证，非完整 ImageNet 评测

10. 标签 #NPU

#NPU #Ascend #Ascend910 #ImageClassification #RegNet