timm/convnext_large.fb_in22k_ft_in1k_384 on Ascend NPU

1. 简介

本项目将 timm/convnext_large.fb_in22k_ft_in1k_384 图片分类模型适配到单卡昇腾 NPU (Ascend910)。

模型信息：

• 架构：ConvNeXt Large
• 输入分辨率：384x384
• 输出类别：1000 (ImageNet-1k)
• 权重来源：ImageNet-22k 预训练，ImageNet-1k 微调

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_680 (0.0059)
• Top-2: class_549 (0.0059)
• Top-3: class_701 (0.0049)
• Top-4: class_473 (0.0041)
• Top-5: class_21 (0.0041)

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：

• CPU Top-1: class_680
• NPU Top-1: class_680
• CPU Top-5: ['class_680', 'class_549', 'class_701', 'class_473', 'class_21']
• NPU Top-5: ['class_680', 'class_549', 'class_701', 'class_473', 'class_21']
• 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

9. 注意事项

1. 权重通过 ModelScope snapshot_download 本地加载，严禁使用 pretrained=True 从 HuggingFace 自动下载。
2. 推理输入尺寸为 384x384，由 timm.data.resolve_model_data_config 自动解析。
3. 大权重文件（*.bin, *.safetensors, *.pth 等）已加入 .gitignore，不会提交到仓库。

10. 标签

#NPU #Ascend #Ascend910 #ConvNeXt #ImageClassification