timm/rexnet_300.nav_in1k on Ascend NPU

1. 简介

本项目将 timm 框架中的 ReXNet-300 (rexnet_300.nav_in1k) 图片分类模型适配到华为昇腾 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，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

• 模型类型：图片分类
• 模型参数：ReXNet-300 (ReXNet eXtended, 300 width multiplier)
• 训练数据集：ImageNet-1K
• 模型来源：ModelScope (timm/rexnet_300.nav_in1k)

2. 验证环境

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

推理结果 (单张测试图片):

• Top-1: class_977 (0.4181)
• Top-5: class_977 (0.4181), class_978 (0.2053), class_976 (0.0307), class_975 (0.0180), class_437 (0.0059)

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_977
• NPU Top-1: class_977
• CPU Top-5: class_977, class_978, class_976, class_975, class_437
• NPU Top-5: class_977, class_978, class_976, class_975, class_437
• Top-1 match: True
• Top-5 match: True

5. 性能参考

• 测试条件：batch_size=1, 单卡 Ascend910, 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。

CPU-NPU 精度一致性验证通过，relative_error=0.7534% < 1.0% 阈值，Top-1/Top-5 完全匹配。

7. 自验证截图

详见 screenshots/self_verification.txt

8. 日志文件

9. 注意事项

• 使用 ModelScope snapshot_download 作为主下载方式，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) 加载本地权重
• 不提交模型权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）
• 适配基于单卡昇腾 NPU，不涉及分布式训练

10. 标签

#NPU #Ascend #Ascend910 #timm #ReXNet #图片分类 #ImageNet