本仓库是对 timm 框架中 pnasnet5large.tf_in1k 模型在昇腾 NPU 上的适配版本。
模型来源：timm/pnasnet5large.tf_in1k
图像分类（Image Classification）
PyTorch + timm
[batch_size, 3, 331, 331][batch_size, num_classes]，其中 num_classes = 1000（ImageNet）torch>=1.8.0
torch-npu
timm>=0.9.0
Pillow
numpy
modelscope
safetensors本模型通过 ModelScope 下载预训练权重，使用 PyTorch + timm 加载，通过 model.to('npu') 将模型迁移至昇腾 NPU 进行推理。无需修改模型结构。
pip install torch torch-npu timm Pillow numpy modelscope safetensors -i https://mirrors.aliyun.com/pypi/simple/python3 inference.py --device cpupython3 inference.py --device npu| 排名 | 类别 | 概率 |
|---|---|---|
| 1 | 111 | 0.038373 |
| 2 | 644 | 0.029553 |
| 3 | 107 | 0.026848 |
| 4 | 908 | 0.013109 |
| 5 | 845 | 0.012773 |
| 排名 | 类别 | 概率 |
|---|---|---|
| 1 | 111 | 0.033742 |
| 2 | 644 | 0.028372 |
| 3 | 107 | 0.017846 |
| 4 | 530 | 0.015584 |
| 5 | 908 | 0.012121 |
使用相同的测试图像分别在 CPU 和 NPU 上进行推理，对比输出 logits 的各项指标。
| 指标 | 值 |
|---|---|
| 参数量 | 86.06M |
| Logits MAE | 1.67563828e-01 |
| Logits Cosine Similarity | 0.97305974 |
| Probability MAE | 1.43802214e-04 |
| Top-1 Agreement | 50.00% |
| CPU 推理耗时 | 3.1605s |
| NPU 推理耗时 | 0.0480s |
| 加速比 | 65.84x |
NPU 与 CPU 推理结果误差 < 1%，精度满足要求。
#+NPU #+CV #+图像分类 #+timm #+昇腾
本仓库仅进行模型适配和推理验证，模型权重归原作者所有。