g
gyccc/timm-resnet50-gluon_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnet50.gluon_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet50.gluon_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，无需 HuggingFace 直连。

2. 验证环境

项目值
设备Ascend910
PyTorchtorch + torch_npu
模型来源ModelScope: timm/resnet50.gluon_in1k
权重格式model.safetensors

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（NPU）：

  • Top-1: class_970 (0.3736)
  • Top-2: class_979 (0.2935)
  • Top-3: class_975 (0.1321)
  • Top-4: class_974 (0.0161)
  • Top-5: class_525 (0.0095)

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_error0.002318
mean_abs_error0.000373
relative_error0.0657%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_970
  • NPU Top-1: class_970
  • CPU Top-5: class_970, class_979, class_975, class_974, class_525
  • NPU Top-5: class_970, class_979, class_975, class_974, class_525
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
Avg latency5.48 ms
Min latency5.39 ms
Max latency5.67 ms
P50 latency5.42 ms
P90 latency5.67 ms
P95 latency5.67 ms
Throughput182.64 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 - 精度验证日志
  • logs/benchmark.log - 性能基准测试日志

9. 注意事项

  • 使用 ModelScope snapshot_download 下载模型权重，不使用 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) 创建模型结构并加载本地权重
  • 权重文件不包含在提交工程中（.safetensors/.bin 已在 .gitignore 中排除）

10. 标签

#NPU #Ascend #Ascend910 #timm #resnet50 #image-classification