timm/repvgg_b1.rvgg_in1k on Ascend NPU

1. 简介

本项目将 timm/repvgg_b1.rvgg_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）上运行。

• 使用 ModelScope snapshot_download 下载模型权重
• 使用 timm.create_model(pretrained=False) 创建模型结构并加载本地权重
• 支持 CPU 与 NPU 推理，并包含精度一致性校验和性能基准测试

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出示例：

Model: timm/repvgg_b1.rvgg_in1k
Input shape: [1, 3, 224, 224]
Output shape: [1, 1000]

Top-5 predictions:
  1. class_540: 0.9968
  2. class_718: 0.0018
  3. class_517: 0.0003
  4. class_913: 0.0002
  5. class_449: 0.0002

4. 精度验证

python eval_accuracy.py

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1 与 NPU Top-1 类别一致
• CPU Top-5 与 NPU Top-5 类别一致

5. 性能参考

python benchmark.py

6. 精度评测

注：以下为单张测试图的 smoke consistency 检查，非官方 ImageNet 精度评测。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

• logs/env_check.log — NPU 环境信息
• logs/inference.log — 推理结果
• logs/accuracy.log — 精度对比
• logs/benchmark.log — 性能基准

9. 注意事项

1. 权重通过 ModelScope 下载，不提交到仓库（已加入 .gitignore）
2. 严禁使用 timm.create_model(..., pretrained=True) 进行 HuggingFace 直连下载
3. 首次运行会自动通过 ModelScope 下载约 219MB 权重到本地缓存

10. 标签

#NPU #Ascend #timm #image-classification