timm/vgg19.tv_in1k on Ascend NPU

1. 简介

将 timm 库中的 VGG19 图像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) 创建模型结构并加载本地权重，无需 HuggingFace 直连下载。

2. 验证环境

• 硬件：Ascend910 NPU
• OS: Linux 5.10.0
• Python: 3.x
• PyTorch + torch_npu
• timm, modelscope, safetensors

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（Top-5）：

1. class_0888 (45.36%)
2. class_0672 (14.45%)
3. class_0425 (11.89%)
4. class_0525 (5.04%)
5. class_0908 (2.67%)

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_0888
• NPU Top-1: class_0888
• CPU Top-5: class_0888, class_0672, class_0425, class_0525, class_0908
• NPU Top-5: class_0888, class_0672, class_0425, class_0525, class_0908
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 - 精度验证结果
• logs/benchmark.log - 性能基准结果
• logs/env_check.log - NPU 环境信息

9. 注意事项

• 使用 ModelScope snapshot_download 作为唯一下载方式，不依赖 HuggingFace
• 使用 timm.create_model(pretrained=False) + 本地权重加载
• 不提交权重文件 (*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx)
• 本项目仅包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测

10. 标签

#NPU #Ascend #Ascend910 #VGG19 #ImageClassification #timm