g
gyccc/timm-resnet50.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/resnet50.tv_in1k on Ascend NPU

1. 简介

本项目将 timm 预训练模型 resnet50.tv_in1k 适配到华为昇腾 NPU (Ascend910)。该模型为 ResNet-50 架构，在 ImageNet-1K 上使用 TV（Timm Vision）训练权重。

  • 模型来源：ModelScope（timm/resnet50.tv_in1k）
  • 加载方式：timm.create_model(pretrained=False) + 本地权重加载
  • NPU 设备：Ascend910

2. 验证环境

项目值
NPUAscend910
PyTorchtorch + torch_npu
timm已安装
输入分辨率224 x 224
输出维度1000 (ImageNet-1K)

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（NPU）：

排名类别置信度
Top-1class_4210.2604
Top-2class_9750.1523
Top-3class_6000.1306
Top-4class_5060.1066
Top-5class_5360.0411

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_error0.006501
mean_abs_error0.001565
relative_error0.1029%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_421
  • NPU Top-1: class_421
  • CPU Top-5: class_421, class_975, class_600, class_506, class_536
  • NPU Top-5: class_421, class_975, class_600, class_506, class_536
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
平均延迟5.22 ms
最小延迟5.05 ms
最大延迟5.35 ms
P505.23 ms
P905.32 ms
P955.34 ms
吞吐量191.50 images/sec
输入分辨率224x224

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 — CPU-NPU 精度一致性
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 本适配使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
  • 禁止提交权重文件（*.bin, *.safetensors 等）
  • 预处理参数由 timm.data.resolve_model_data_config 自动生成

10. 标签

#NPU