timm/resnet101.a1h_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet101.a1h_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。

• 原始模型: timm/resnet101.a1h_in1k
• 模型类型: 图片分类 (Image Classification)
• 输入尺寸: 3 x 224 x 224
• 输出维度: 1000 类 logits
• 权重加载方式: ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 创建结构后加载本地权重

2. 验证环境

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

inference.py 会：

1. 通过 model_utils.py 调用 modelscope.snapshot_download 下载权重到本地缓存
2. 使用 timm.create_model(pretrained=False) 创建模型结构
3. 加载本地 .safetensors 权重
4. 在 npu:0 上执行推理
5. 输出 Top-5 预测结果并写入 logs/inference.log

注意：权重文件不会提交到 Git 仓库，首次运行时会自动从 ModelScope 下载。

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

运行 python benchmark.py 在单卡 Ascend910 上测试（batch=1, 224x224）：

6. 精度评测

本项目仅包含单张图片的 smoke consistency 验证，非官方 ImageNet 全量精度评测。

如需进行官方 ImageNet 验证，请准备 ILSVRC2012 验证集并扩展 eval_accuracy.py。

7. 自验证截图

见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 不提交权重：*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx 等模型权重文件已加入 .gitignore，不会提交到仓库。
2. 主下载方式：使用 ModelScope snapshot_download，不使用 HuggingFace 直连下载。
3. 权重加载：timm.create_model(..., pretrained=False) 创建结构后加载本地权重，不触发 HF/timm 自动下载。
4. NPU 独占：推理阶段自动迁移模型与输入到 npu:0。
5. 无 fallback：若 ModelScope 下载失败或权重不兼容，脚本会直接报错终止，不会回退到 HuggingFace 下载。

10. 标签

#NPU