timm/resnetrs50.tf_in1k on Ascend NPU

1. 简介

将 timm 预训练图片分类模型 resnetrs50.tf_in1k 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，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 Ascend910 (Atlas 800 A2)
NPU 驱动: npu-smi 25.5.2
PyTorch: torch + torch_npu
timm: 本地 timm.create_model 加载

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU)：

Top-1: class_972 (0.1240)
Top-2: class_978 (0.1073)
Top-3: class_839 (0.0618)
Top-4: class_698 (0.0451)
Top-5: class_664 (0.0389)

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_error	0.003920
mean_abs_error	0.000716
relative_error	0.0834%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_972
NPU Top-1: class_972
CPU Top-5: class_972, class_978, class_839, class_698, class_664
NPU Top-5: class_972, class_978, class_839, class_698, class_664
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg_latency	14.46 ms
min_latency	7.63 ms
max_latency	44.46 ms
p50	7.87 ms
p90	38.25 ms
p95	41.36 ms
throughput	69.18 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
logs/accuracy.log — 精度验证
logs/benchmark.log — 性能基准
logs/env_check.log — 环境检查

9. 注意事项

使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
timm.create_model(pretrained=False) + 本地权重加载
不提交权重文件 (*.bin, *.safetensors, *.pth 等)
不 fallback

10. 标签 #NPU