timm/resnet50.bt_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet50.bt_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。

• 原始模型: timm/resnet50.bt_in1k
• 模型类型: Image Classification (ResNet-50)
• 参数量: 25.56M
• 输出类别: 1000 (ImageNet-1k)
• 输入尺寸: 3 x 224 x 224

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（单张测试图片）：

• Top-1 class: class_145
• Top-1 prob: 0.115688
• Top-5: class_145 (0.115688), class_973 (0.068500), class_975 (0.058660), class_646 (0.043790), class_978 (0.034381)

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: class_145
• NPU Top-1: class_145
• CPU Top-5: class_145, class_973, class_975, class_646, class_978
• NPU Top-5: class_145, class_973, class_975, class_646, class_978
• Top-1 match: True
• Top-5 match: True

5. 性能参考

python benchmark.py

测试配置: warmup=2, runs=10, batch=1, input=[1,3,224,224]

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.txt 及 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

1. 权重下载: 使用 ModelScope snapshot_download 下载，不依赖 HuggingFace 自动下载。
2. 模型加载: 使用 timm.create_model(..., pretrained=False) 创建结构，再通过本地权重文件加载参数。
3. 不提交权重: .gitignore 已排除 *.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx 等权重文件。
4. 不 fallback: 适配失败时直接停止，不会回退到 CPU 推理或 HuggingFace 下载。

10. 标签

#NPU #Ascend #ResNet #ImageClassification #timm