timm/mobilenetv2_100.ra_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilenetv2_100.ra_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910B）单卡环境运行。

• 模型来源：ModelScope 魔搭社区
• 模型页面：https://www.modelscope.cn/models/timm/mobilenetv2_100.ra_in1k
• 下载方式：modelscope snapshot_download
• 模型加载：timm.create_model(pretrained=False) + ModelScope 本地权重加载
• 权重文件：model.safetensors（同时存在 pytorch_model.bin）
• 预处理：timm.data.resolve_model_data_config + timm.data.create_transform
• 运行设备：npu:0

重要说明：本适配严格禁止 timm.create_model(..., pretrained=True)，未触发 HuggingFace Hub 下载，全部通过 ModelScope 本地权重完成加载。

2. 验证环境

3. 推理运行

依赖安装

pip install -r requirements.txt

注意：torch_npu 通常由昇腾容器环境预装，如未安装请参考华为官方文档。

运行命令

python inference.py

日志路径

• 推理日志：logs/inference.log
• 预测结果：logs/prediction.txt

4. Smoke 验证

torch.npu.is_available(): True
torch.npu.device_count(): 1
torch.npu.get_device_name(0): Ascend910B4

单张图片 NPU 推理 Top-5 结果（无 id2label，使用 class_x 作为标签）：

5. 性能参考

在 Ascend910B4 单卡上，使用 torch.npu.synchronize() 精确计时，结果如下：

• Warm-up runs: 2
• Benchmark runs: 10

6. 精度评测

CPU vs NPU Smoke 一致性验证结果（非官方 ImageNet 数据集精度）：

7. 自验证截图

请查看 screenshots/ 目录下的自验证截图和文本摘要。

8. 日志文件

9. 注意事项

1. 无 id2label：该 timm 模型未提供 id2label 映射文件，因此输出使用 class_x 作为占位标签名。如需真实 ImageNet 标签，可自行引入 imagenet_class_index.json。
2. 权重加载：使用 ModelScope snapshot_download 下载后，通过 safetensors.torch.load_file 加载 model.safetensors，严禁 pretrained=True。
3. 预处理：使用 timm 官方 resolve_model_data_config + create_transform，无需额外配置。
4. 显存与内存：MobileNetV2 为轻量级模型，单卡 32GB HBM 完全充足。
5. exit code 137 / OOM：如遇到进程被杀死，请检查系统内存或容器内存限制。
6. 占位图：测试图片 assets/test.jpg 来自 picsum.photos，如无法下载将自动生成占位图。

10. 标签

#NPU