timm/resnext50_32x4d.fb_swsl_ig1b_ft_in1k on Ascend NPU

1. 简介

本文档记录将 timm/resnext50_32x4d.fb_swsl_ig1b_ft_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）的过程。该模型基于 ResNeXt-50 (32x4d) 架构，在 Facebook SWSL 1B 数据集上预训练后微调至 ImageNet-1K，包含 1000 个类别。

适配方式：

• 使用 ModelScope snapshot_download 下载模型权重
• 使用 timm.create_model(pretrained=False) 创建模型结构
• 手动加载本地权重到模型中
• 推理在 npu:0 上执行

2. 验证环境

• 硬件：华为昇腾 910B NPU
• PyTorch: torch + torch_npu
• 模型来源：ModelScope（timm/resnext50_32x4d.fb_swsl_ig1b_ft_in1k）
• 权重格式：safetensors

3. 推理运行

cd timm-resnext50_32x4d.fb_swsl_ig1b_ft_in1k-NPU
python inference.py

推理输出：

=== Top-5 Predictions ===
  1. class_525 (0.7915)
  2. class_888 (0.0389)
  3. class_979 (0.0324)
  4. class_972 (0.0168)
  5. class_460 (0.0130)

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_525 (0.7945)
• NPU Top-1: class_525 (0.7915)
• CPU Top-5: class_525, class_888, class_979, class_972, class_460
• NPU Top-5: class_525, class_888, class_979, class_972, class_460
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1, image_size=224x224, warmup=2, runs=10

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 — 精度一致性验证
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — 环境检查

9. 注意事项

• 本项目仅在单卡 Ascend910 NPU 上验证通过
• 使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 HuggingFace 直连下载
• 权重文件不提交到 Git 仓库（.gitignore 已排除）
• 精度验证采用 CPU vs NPU 单图一致性检查，非官方完整评测

10. 标签

#NPU