timm/resnet50.a3_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet50.a3_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910B) 上运行。使用 ModelScope 下载权重，timm 创建模型结构并通过本地权重加载，支持单卡 NPU 推理、CPU-NPU 精度一致性验证和性能基准测试。

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_21 (0.038663)
• Top-2: class_128 (0.021141)
• Top-3: class_701 (0.018700)
• Top-4: class_895 (0.014213)
• Top-5: class_22 (0.014025)

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_21
• NPU Top-1: class_21
• CPU Top-5: class_21, class_128, class_701, class_895, class_22
• NPU Top-5: class_21, class_128, class_701, class_895, class_22
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 和 screenshots/self_verification.txt。

8. 日志文件

• logs/inference.log — 推理输出
• logs/accuracy.log — 精度验证结果
• logs/benchmark.log — 性能基准测试结果
• logs/env_check.log — NPU 环境检查

9. 注意事项

• 严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载，权重已通过 ModelScope snapshot_download 本地加载。
• 模型输入分辨率由 timm.data.resolve_model_data_config 自动解析，本模型实际使用 160x160。
• 大权重文件（.bin、.safetensors、.pth 等）已加入 .gitignore，不提交到仓库。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification