g
gyccc/timm-skresnext50_32x4d-ra_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/skresnext50_32x4d.ra_in1k on Ascend NPU

1. 简介

本项目将 timm/skresnext50_32x4d.ra_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)，使其能够在 NPU 上完成推理、精度验证和性能测试。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建结构并加载本地权重。

2. 验证环境

项目配置
NPU 型号Ascend910
NPU 数量单卡
驱动版本25.5.2
框架PyTorch + torch_npu
模型timm/skresnext50_32x4d.ra_in1k
输入尺寸224x224
输出类别数1000

3. 推理运行

python inference.py

NPU 推理结果（Top-5）：

排名类别置信度
Top-1class_5320.6183
Top-2class_9040.0868
Top-3class_7620.0815
Top-4class_9050.0158
Top-5class_5260.0076

输出 shape: [1, 1000]，设备: npu:0

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_error0.006371
mean_abs_error0.000799
relative_error0.1538%
cosine_similarity0.999999
threshold1.0%
结果PASS
  • CPU Top-1: class_532
  • NPU Top-1: class_532
  • CPU Top-5: class_532, class_904, class_762, class_905, class_526
  • NPU Top-5: class_532, class_904, class_762, class_905, class_526
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
平均延迟16.63 ms
最小延迟11.93 ms
最大延迟37.99 ms
P50 延迟12.60 ms
P90 延迟29.19 ms
P95 延迟33.59 ms
吞吐量60.14 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

详见 screenshots/self_verification.png。

8. 日志文件

文件说明
logs/inference.logNPU 推理结果
logs/accuracy.logCPU-NPU 精度一致性检查
logs/benchmark.log性能基准测试
logs/env_check.log环境检查

9. 注意事项

  • 使用 ModelScope 下载权重，不使用 HuggingFace 直连
  • timm.create_model(pretrained=False) + 本地权重加载
  • 本项目不提交模型权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）
  • 精度验证为单图 smoke test，非 ImageNet 完整验证集评测

10. 标签

#NPU