g
gyccc/timm-resnet34.tv_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnet34.tv_in1k on Ascend NPU

1. 简介

将 timm/resnet34.tv_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) 创建结构并加载本地权重。

  • 模型：ResNet-34，ImageNet-1K 分类（1000 类）
  • 参数量：约 21.8M
  • 输入：3×224×224 RGB 图像

2. 验证环境

  • 硬件：华为昇腾 910 NPU
  • 框架：PyTorch + torch_npu
  • 权重来源：ModelScope snapshot_download（timm/resnet34.tv_in1k）
  • 加载方式：timm.create_model(pretrained=False) + safetensors 本地加载

3. 推理运行

python inference.py

输出示例：

=== NPU Inference: resnet34.tv_in1k ===
Output shape: torch.Size([1, 1000])
Top-1: class_623 (prob=0.0287)
  Top-1: class_623 (prob=0.0287)
  Top-2: class_892 (prob=0.0154)
  Top-3: class_534 (prob=0.0139)
  Top-4: class_111 (prob=0.0126)
  Top-5: class_813 (prob=0.0120)

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_error0.002411
mean_abs_error0.000415
relative_error0.0389%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_623
  • NPU Top-1: class_623
  • Top-1 match: True
  • CPU Top-5: class_623, class_892, class_534, class_111, class_813
  • NPU Top-5: class_623, class_892, class_534, class_111, class_813
  • Top-5 match: True

5. 性能参考

指标数值
平均延迟4.15 ms
最小延迟4.13 ms
最大延迟4.17 ms
P50 延迟4.14 ms
P90 延迟4.17 ms
P95 延迟4.17 ms
吞吐量241.22 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

见 screenshots/self_verification.png。

8. 日志文件

  • logs/inference.log - 推理结果日志
  • logs/accuracy.log - CPU-NPU 精度一致性验证日志
  • logs/benchmark.log - 性能基准测试日志
  • logs/env_check.log - NPU 环境检查日志

9. 注意事项

  • 使用 ModelScope snapshot_download 下载权重，未使用 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) 创建模型结构，手动加载本地权重
  • 未提交任何权重文件（*.safetensors, *.bin, *.pth 等已 gitignore）
  • 单图 smoke 验证，非完整 ImageNet 验证集评测

10. 标签

#NPU #Ascend #ResNet34 #ImageClassification #timm