g
gyccc/timm-resnetv2_50x1_bit.goog_in21k_ft_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnetv2_50x1_bit.goog_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/resnetv2_50x1_bit.goog_in21k_ft_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，不使用 HuggingFace 直连下载。

2. 验证环境

  • 硬件: 华为昇腾 910 NPU
  • CANN: 8.5.1
  • PyTorch: 2.x + torch_npu
  • timm: 最新版
  • Python: 3.11

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_979 (0.3729)
  • Top-2 class: class_980 (0.2807)
  • Top-3 class: class_976 (0.1091)
  • Top-4 class: class_970 (0.0714)
  • Top-5 class: class_972 (0.0415)

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_error0.003329
mean_abs_error0.000658
relative_error0.0616%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_979
  • NPU Top-1: class_979
  • CPU Top-5: class_979, class_980, class_976, class_970, class_972
  • NPU Top-5: class_979, class_980, class_976, class_970, class_972
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
平均延迟7.84 ms
最小延迟7.66 ms
最大延迟8.02 ms
P50 延迟7.88 ms
P90 延迟7.95 ms
P95 延迟7.99 ms
吞吐量127.58 images/sec

测试条件：batch_size=1, input 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

详见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

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 - 环境信息

9. 注意事项

  • 使用 ModelScope 下载权重，不依赖 HuggingFace Hub
  • 模型结构通过 timm.create_model(pretrained=False) 创建
  • 本地权重文件自动检测并加载（支持 safetensors/bin/pth/pt/ckpt 格式）
  • 不提交任何权重文件到仓库

10. 标签

#NPU #Ascend #Ascend910 #timm #image-classification