timm/resnetv2_101x3_bit.goog_in21k on Ascend NPU

1. 简介

将 timm/resnetv2_101x3_bit.goog_in21k 图片分类模型适配到华为昇腾 NPU (Ascend910)。该模型为 ResNetV2-101x3（3倍宽度 ResNetV2-101），采用 BiT (Big Transfer) 预训练，参数量约 5.16 亿，支持 ImageNet-21K 21843 类分类。

适配方式：

• 使用 ModelScope snapshot_download 下载模型权重（非 HuggingFace 直连）
• 使用 timm.create_model(pretrained=False) 创建模型结构并加载本地权重
• 无 fallback，无权重提交

2. 验证环境

3. 推理运行

cd timm-resnetv2_101x3_bit.goog_in21k-NPU
pip install -r requirements.txt
python inference.py

输出示例：

=== Inference Result (NPU) ===
Model: timm/resnetv2_101x3_bit.goog_in21k
Output shape: torch.Size([1, 21843])

Top-1: class_14412  prob=0.2367
Top-2: class_14400  prob=0.1337
Top-3: class_17301  prob=0.1207
Top-4: class_21659  prob=0.1105
Top-5: class_14422  prob=0.0547

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_14412
• NPU Top-1: class_14412
• CPU Top-5: class_14412, class_14400, class_17301, class_21659, class_14422
• NPU Top-5: class_14412, class_14400, class_17301, class_21659, class_14422
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1, 输入 224x224, 预热 2 次 + 正式 10 次。

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

9. 注意事项

• 该模型约 5.16 亿参数，权重 1968.5 MB，属大型模型
• 输出为 21843 类（ImageNet-21K），非 1000 类（ImageNet-1K）
• 使用 timm.create_model(pretrained=False) + 本地权重加载，禁止 HuggingFace 直连
• 权重文件（*.bin, *.safetensors）未提交到仓库

10. 标签

#NPU