liucu/timm-convmixer_768_32.in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/convmixer_768_32.in1k on Ascend NPU

1. 简介

本项目将 timm/convmixer_768_32.in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。

使用 ModelScope snapshot_download 下载本地权重，timm.create_model(..., pretrained=False) 加载，通过 torch_npu 在 NPU 上完成推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • NPU: Ascend910_9362
  • CANN: 8.5.1
  • PyTorch: 2.x
  • torch_npu: 适配版本
  • timm: latest
  • modelscope: latest

详细环境信息见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_21 (0.1580)
  • Top-2: class_22 (0.1550)
  • Top-3: class_128 (0.0809)
  • Top-4: class_92 (0.0648)
  • Top-5: class_23 (0.0641)

日志保存在 logs/inference.log。

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_error0.002043
mean_abs_error0.000465
relative_error0.0603%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_21
  • NPU Top-1: class_21
  • CPU Top-5: class_21, class_22, class_128, class_92, class_23
  • NPU Top-5: class_21, class_22, class_128, class_92, class_23
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

在 Ascend910 NPU 上单 batch 推理性能：

指标数值
avg_time_ms16.097
min_time_ms16.044
max_time_ms16.189
p50_time_ms16.089
p90_time_ms16.141
p95_time_ms16.165
images_per_sec62.13

日志保存在 logs/benchmark.log。

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

9. 注意事项

  • 权重通过 ModelScope 本地加载，严禁 pretrained=True 自动从 HuggingFace 下载。
  • 推理时使用 timm.data.resolve_model_data_config 获取模型配套预处理参数。
  • NPU 推理前后调用 torch.npu.synchronize() 保证时序正确。

10. 标签

#NPU #Ascend #Ascend910 #timm #convmixer #image-classification