timm/resnet50.a3_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet50.a3_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）单卡环境。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 910B NPU
• 框架：PyTorch + torch_npu
• 模型：timm/resnet50.a3_in1k（1000 类 ImageNet 分类）
• 权重来源：ModelScope snapshot_download

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出示例：

Output shape: torch.Size([1, 1000])
Top-5 predictions:
  class_655: 0.1750
  class_578: 0.0643
  class_697: 0.0625
  class_445: 0.0623
  class_774: 0.0396

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_655
• NPU Top-1: class_655
• CPU Top-5: class_655, class_578, class_697, class_445, class_774
• NPU Top-5: class_655, class_578, class_697, class_445, class_774
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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
• logs/accuracy.log - 精度验证结果
• logs/benchmark.log - 性能基准测试结果

9. 注意事项

• 使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 HuggingFace 直连下载
• 权重文件不提交至仓库（.gitignore 已排除 *.safetensors, *.bin, *.pth 等）
• 单图 smoke consistency 验证，非完整 ImageNet 验证集评测

10. 标签

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