nanyizjm/webssl-dino300m
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

NPU标签证明

本仓库作为昇腾NPU模型仓库发布。本README顶部的模型卡片元数据使用了确切的标量字段hardware: NPU，且标签列表包含NPU、Ascend和ascend-npu。仓库描述或模型卡片在AtomGit或GitCode上还应包含#+NPU标签。

项目数值
仓库https://gitcode.com/nanyizjm/webssl-dino300m
竞赛任务Track 1 模型适配
硬件元数据hardware: NPU
所需标签#+NPU
README数据政策推理、精度和性能数值以文本形式写入本README；不使用图像替代数据。

Track 1 模型卡片摘要

项目数值
模型仓库https://gitcode.com/nanyizjm/webssl-dino300m
原始模型或权重来源https://gitcode.com/hf_mirrors/facebook/webssl-dino300m-full2b-224
竞赛赛道Track 1: 模型适配
目标硬件Ascend NPU
必备功能NPU推理成功运行或明确记录阻塞原因
必备精度NPU结果与CPU/GPU参考值对比，误差小于1%
所需标签#+NPU

交付物清单

交付物状态
inference.py已提供
readme.md / README.md已提供
eval/eval_accuracy.py已提供
eval/eval_performance.py已提供
logs目录已提供
results目录已提供
assets或截图证明已提供

精度证明要求

README必须包含明确的CPU/GPU与NPU数值对比数据。关键验收目标是误差小于1%。相应的结构化证明在可用时应保存至results/accuracy_eval.json和logs/accuracy_eval.log。

#+NPU

webssl-dino300m on Ascend NPU

平台审核证据摘要（直接文本）

本部分直接写入 README 供平台审核使用。仅使用本仓库中已签入的日志和 JSON 结果文件，不依赖嵌入式图片。

审核项直接结果
仓库webssl-dino300m
硬件元数据本 README 中存在 hardware: NPU 和 #+NPU
正常 NPU 推理输出通过 - 已签入的 NPU 推理输出如下所示。
精度要求通过 - 已签入的精度证据报告显示通过；具体记录值详见下表。
性能证据可用 - 已签入的性能指标如下所示。
证据文件results/inference_result.json、logs/inference.log、results/accuracy_eval.json、results/performance_eval.json、logs/accuracy_eval.log、logs/performance_eval.log

正常 NPU 推理输出证据

"device": "npu:0",
"input_shape": [
"pooler_output_shape": [
"throughput": 83.1147748890298,
Device: npu:0 | Dtype: float32 | NPU: True (2)
pooler_output: torch.Size([1, 1024])
Throughput: 83.11 images/s

NPU 推理指标

来源指标数值
results/inference_result.jsondevicenpu:0
results/inference_result.jsoninput_shape[1,3,224,224]
results/inference_result.jsonpooler_output_shape[1,1024]
results/inference_result.jsonthroughput83.1147748890298

CPU/GPU 参考值与 NPU 精度验证

来源指标数值
results/accuracy_eval.jsoncls_cosine_mean0.99999998325879
results/accuracy_eval.jsonhidden_cosine_mean1.000000136294638
results/accuracy_eval.jsonpassedtrue
results/accuracy_eval.jsonper_sample[0].cls_cosine0.9999999170671785
results/accuracy_eval.jsonper_sample[0].hidden_cosine1.0000006037679103
results/accuracy_eval.jsonper_sample[1].cls_cosine1.0000000832219453
results/accuracy_eval.jsonper_sample[1].hidden_cosine0.9999999999999761
results/accuracy_eval.jsonper_sample[2].cls_cosine0.9999999160183392
results/accuracy_eval.jsonper_sample[2].hidden_cosine1.0000002285577343
results/accuracy_eval.jsonper_sample[3].cls_cosine0.9999999999932347

精度结论：PASS - 已提交的精度验证报告显示 PASS；请参考下表获取精确记录值。

性能验证

来源指标数值
results/performance_eval.jsondevicenpu:0
results/performance_eval.jsondtypefloat32
results/performance_eval.jsonbatch_size1
results/performance_eval.jsonthroughput24.79304568233863
results/performance_eval.jsonpeak_memory_mb1174.8173828125

WebSSL-DINO-300M on Ascend NPU

1. 简介

本文档记录 WebSSL-DINO-300M 在华为昇腾 NPU 环境下的适配验证、推理部署与评测结果整理。

WebSSL-DINO-300M 的当前适配任务类型为：图像识别 / 视觉特征提取。仓库围绕 赛道一模型适配 交付要求，提供 NPU 推理脚本、精度评测、性能评测、运行日志、结果文件和文本化自验证证据。

相关获取地址：

  • 相关地址：https://gitcode.com/ascend-model-zoo/models/tree/master/PyTorch/built-in/cv/Image_Classification/WebSSL-DINO-300M
  • 相关地址：https://gitcode.com/hf_mirrors/facebook/webssl-dino300m-full2b-224
  • 相关地址：https://atomgit.com/nanyizjm/webssl-dino300m.git
  • 相关地址：https://gitcode.com/nanyizjm/webssl-dino300m
  • 适配代码仓库：https://gitcode.com/nanyizjm/webssl-dino300m

2. 适配内容

2.1 NPU 推理适配

仓库提供 inference.py 作为统一推理入口，运行时通过 --device npu 或脚本默认设备在昇腾 NPU 上执行推理。推理代码保留 model.eval()、无梯度推理、输入输出摘要、耗时统计和日志保存逻辑，便于复现与核验。

2.2 精度与性能评测

仓库保留精度评测与性能评测材料。精度验证以 CPU/GPU 参考输出与 NPU 输出进行对比，目标为误差小于 1%；性能验证记录延迟、吞吐、batch size、输入尺寸/长度、dtype、NPU 内存等信息。所有结果以 logs/ 与 results/ 中的真实运行文件为准。

2.3 证据文本化与提交整理

自验证截图中的关键内容已转写为 README 文本证据，避免仅依赖图片展示。仓库 README、日志、JSON 结果和附件材料均用于 AtomGit/GitCode 公开提交，README 顶部已声明 hardware: NPU 与 #+NPU 标签。

3. 环境要求

组件版本 / 说明
操作系统Linux
CANN8.5.1
PyTorch2.9.0+cpu
torch_npu2.9.0.post1
transformers4.57.6
accelerateN/A
依赖安装pip install -r requirements.txt
  • NPU：Ascend NPU（具体型号以 results/env_info.json 或 logs/env_check.log 为准）
  • Python：3.8+，推荐使用比赛 / 适配容器中的 Python 版本
  • 说明：如本地环境缺少 NPU、CANN 或 torch_npu，请先完成昇腾基础环境配置后再运行真实验证。

4. 快速开始

4.1 目录结构

.
├── .gitignore
├── README.md
├── assets/accuracy_eval_result.png
├── assets/accuracy_screenshot.png
├── assets/env_check.png
├── assets/git_submit_result.png
├── assets/inference_result.png
├── assets/inference_screenshot.png
├── assets/performance_eval_result.png
├── assets/performance_screenshot.png
├── eval/eval_accuracy.py
├── eval/eval_performance.py
├── inference.py
├── logs/accuracy_eval.log
├── logs/env_check.log
├── logs/env_info.txt
├── logs/inference.log
├── logs/model_check.log
├── logs/performance_eval.log
├── requirements.txt
├── results/accuracy_eval.json
├── results/env_info.json
├── results/inference_result.json
└── results/performance_eval.json

4.2 权重准备

本仓库不提交大体积模型权重；请按原模型发布页、ModelScope、GitCode 或 HuggingFace 镜像下载后通过参数传入。

推荐约定：

mkdir -p weights
# 将下载后的模型权重或模型目录放入 weights/<model_name>，运行时通过 --model_path 传入

4.3 NPU 推理

pip install -r requirements.txt
python inference.py --model_path <model_path> --image_path <image.jpg> --device npu

4.4 精度与性能评测

python eval/eval_accuracy.py --model_path <model_path> --device npu
python eval/eval_performance.py --model_path <model_path> --device npu

5. 验证结果

5.1 模型信息

指标结果
模型名称整体精度评估
任务类型图像识别 / 视觉特征提取
推理设备Ascend NPU
推理框架PyTorch / torch_npu 或仓库脚本声明的推理框架
仓库分支main
当前提交55d2ff2

5.2 推理性能

测试结果来源：results/performance_eval.json

指标结果
devicenpu:0
dtypefloat32
batch_size1
avg_ms40.3339
throughput24.7930

5.3 NPU vs CPU/GPU 精度对比

结果来源：results/accuracy_eval.json

指标结果
是否通过PASS

结论：README 仅记录仓库中已有的真实评测数据；若某项指标未在 JSON/日志中出现，请以对应日志文件为准，不在文档中补造数值。

5.4 精度性能评测脚本

python eval/eval_accuracy.py --model_path <model_path> --device npu
python eval/eval_performance.py --model_path <model_path> --device npu

关键日志和结构化 JSON 已在下方“结果数据直接文本”中直接写入；原始文件路径仅用于复核。

6. 推理脚本说明

inference.py 支持的参数以脚本自身 --help 输出为准。当前 README 从脚本中提取到的主要参数如下：

参数默认值说明
--model_path见脚本默认值模型权重或模型目录路径
--image_path见脚本默认值输入样例路径
--device见脚本默认值推理设备，NPU 推理使用 npu
--dtype见脚本默认值推理精度类型
--trust_remote_code见脚本默认值脚本参数，详见 python inference.py --help
--output_log见脚本默认值输出目录或日志路径

手动调用示例

python inference.py --help
python inference.py --model_path <model_path> --image_path <image.jpg> --device npu

7. 自验证文本证据

以下内容来自仓库已有 README 证据段、运行日志或结果文件。图片文件如保留在 assets/ 中，仅作为附件材料；README 中直接写入可检索的文本证据。

渲染截图证据

以下 PNG 文件由先前的 assets/*.txt 证据文件渲染生成。渲染完成后，原始 TXT 文件已被移除。

证据PNG 文件
accuracy_eval_resultassets/accuracy_eval_result.png
env_checkassets/env_check.png
git_submit_resultassets/git_submit_result.png
inference_resultassets/inference_result.png
performance_eval_resultassets/performance_eval_result.png

9. 结果数据直接文本

本节将仓库中已提交的评测 JSON、推理日志、环境日志和性能日志直接写入 README。原始文件路径仅用于标识数据来源，主要数值和输出内容已在下面以文本形式完整展开。

logs/env_check.log

  • 文件大小：2677 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
# Environment Check Log
# Repository: webssl-dino300m
# Model: 整体精度评估
# Date: 2026-05-16 07:03:22

## System Info
Linux pod-8e032c81b34d489191e775768926f3b6 5.10.0-182.0.0.95.r2220_156.hce2.aarch64 #1 SMP Sat Sep 14 02:34:54 UTC 2024 aarch64 aarch64 aarch64 GNU/Linux

## Python
Python 3.11.14
pip 26.0.1 from /usr/local/python3.11.14/lib/python3.11/site-packages/pip (python 3.11)

## NPU Info
+------------------------------------------------------------------------------------------------+
| npu-smi 25.5.2                   Version: 25.5.2                                               |
+---------------------------+---------------+----------------------------------------------------+
| NPU   Name                | Health        | Power(W)    Temp(C)           Hugepages-Usage(page)|
| Chip  Phy-ID              | Bus-Id        | AICore(%)   Memory-Usage(MB)  HBM-Usage(MB)        |
+===========================+===============+====================================================+
| 0     Ascend910           | OK            | 175.2       48                0    / 0             |
| 0     0                   | 0000:0A:00.0  | 0           0    / 0          3107 / 65536         |
+------------------------------------------------------------------------------------------------+
| 0     Ascend910           | OK            | -           49                0    / 0             |
| 1     1                   | 0000:0B:00.0  | 0           0    / 0          2870 / 65536         |
+===========================+===============+====================================================+
+---------------------------+---------------+----------------------------------------------------+
| NPU     Chip              | Process id    | Process name             | Process memory(MB)      |
+===========================+===============+====================================================+
| No running processes found in NPU 0                                                            |
+===========================+===============+====================================================+

## CANN Version
8.5.1

## PyTorch
2.9.0+cpu

## torch_npu
2.9.0.post1+gitee7ba04

## transformers
4.57.6

## Git Info
Branch: main
Commit: 17780e1a0385d070e26eec8bef1b072a956745ac

<redacted sensitive line>
ASCEND_TOOLKIT_HOME=/usr/local/Ascend/cann-8.5.1
PYTHONPATH=/usr/local/Ascend/cann-8.5.1/python/site-packages:/usr/local/Ascend/cann-8.5.1/opp/built-in/op_impl/ai_core/tbe:/usr/local/Ascend/ascend-toolkit/latest/python/site-packages:/usr/local/Ascend/ascend-toolkit/latest/opp/built-in/op_impl/ai_core/tbe:

logs/env_info.txt

  • 文件大小：413 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
WebSSL-DINO-300M Environment Info
========================================
Date: 2026-05-15 02:17:35

Python: Python 3.11.14
PyTorch: 2.9.0+cpu
torch_npu: 2.9.0.post1+gitee7ba04
transformers: 4.57.6
numpy: 1.26.4
Pillow: 12.2.0

NPU Available: True
NPU Count: 2
NPU Name: Ascend910_9362
NPU Memory: 61.3 GB

OS: Ubuntu 22.04.5 LTS
Kernel: 5.10.0-182.0.0.95.r2220_156.hce2.aarch64
Arch: aarch64

results/env_info.json

  • 文件大小：621 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
{
  "model_name": "整体精度评估",
  "repo": "webssl-dino300m",
  "repo_url": "https://atomgit.com/nanyizjm/webssl-dino300m.git",
  "status": "SUCCESS",
  "os": "Linux",
  "python": "3.11.14",
  "cann_version": "8.5.1",
  "torch_version": "2.9.0+cpu",
  "torch_npu_version": "2.9.0.post1",
  "transformers_version": "4.57.6",
  "accelerate_version": "N/A",
  "npu_available": true,
  "npu_info": "Ascend910 x2",
  "git_branch": "main",
  "git_commit": "17780e1a0385d070e26eec8bef1b072a956745ac",
  "timestamp": "2026-05-16 07:03:22",
  "note": "Environment check passed. NPU Ascend910 available."
}

logs/model_check.log

  • 文件大小：1380 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
WebSSL-DINO-300M Model Check Log
==================================
Date: 2026-05-15

1. Model Info
   - Name: facebook/webssl-dino300m-full2b-224
   - Architecture: Dinov2Model (ViT-L/14 + SwiGLU)
   - Parameters: 303,655,168 (0.304B)
   - Hidden Size: 1024
   - Num Heads: 16
   - Num Layers: 24
   - Patch Size: 14
   - Image Size: 224

2. Weight Files
   - config.json: ✓
   - model.safetensors: ✓
   - preprocessor_config.json: ✓
   - configuration.json: ✓

3. NPU Load Test
   - Load time: 1.96s
   - Device: Ascend910_9362
   - torch_npu: 2.9.0.post1

4. Inference Test
   - Input: [1, 3, 224, 224] (random, seed=42)
   - last_hidden_state: [1, 257, 1024] ✓
   - pooler_output: [1, 1024] ✓
   - CLS norm: 38.367
   - Inference: 12.03 ms

5. Accuracy Check (CPU vs NPU, 5 samples)
   - CLS Cosine: 1.000000 (> 0.9999 ✓)
   - Hidden Cosine: 1.000000 (> 0.9999 ✓)
   - CLS P99 Err: 0.0025% (< 1% ✓)
   - Hidden P99 Err: 0.0040% (< 1% ✓)
   - CLS MAE: 0.0007% (< 1% ✓)
   - Hidden MAE: 0.0007% (< 1% ✓)
   - Overall: PASS ✓

6. Performance Check (10 runs)
   - Avg: 40.33 ms
   - Throughput: 24.79 images/s
   - Peak Memory: 1174.8 MB

7. Config Patches
   - attn_implementation: flash_attention_2 → eager
   - local_transformer_attn_implementation: flash_attention_2 → eager

All checks passed.

logs/inference.log

  • 文件大小：1206 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
============================================================
WebSSL-DINO-300M Inference - Ascend NPU
============================================================
Device: npu:0 | Dtype: float32 | NPU: True (2)
Model: /tmp/ms_cache/facebook/webssl-dino300m-full2b-224

Loading model...
Loaded in 1.96s (0.304B params)
Image: random test (seed=42), 224x224
Input: torch.Size([1, 3, 224, 224])

============================================================
Results
============================================================
last_hidden_state: torch.Size([1, 257, 1024])
pooler_output:     torch.Size([1, 1024])
  (1 CLS + 256 patch tokens, hidden_dim=1024)

CLS Embedding (first 10): [1.4275214672088623, 0.8247609734535217, -1.082946538925171, 2.1961376667022705, -0.15313589572906494, -0.866186261177063, -1.393379807472229, -0.14722689986228943, -2.1677703857421875, -1.0568121671676636]
  mean=0.003040  std=1.198970
  min=-3.795284  max=3.518420
  norm=38.367168

Patch Tokens: (256, 1024)
  mean=0.014319  std=1.254481

Performance
  Inference: 12.03 ms
  Throughput: 83.11 images/s
  Device: Ascend910_9362 (61.3 GB)

PyTorch 2.9.0+cpu
torch_npu 2.9.0.post1+gitee7ba04

results/inference_result.json

  • 文件大小：753 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
{
  "model": "facebook/webssl-dino300m-full2b-224",
  "device": "npu:0",
  "dtype": "float32",
  "params": 303655168,
  "input_shape": [
    1,
    3,
    224,
    224
  ],
  "last_hidden_state_shape": [
    1,
    257,
    1024
  ],
  "pooler_output_shape": [
    1,
    1024
  ],
  "cls_first10": [
    1.4275214672088623,
    0.8247609734535217,
    -1.082946538925171,
    2.1961376667022705,
    -0.15313589572906494,
    -0.866186261177063,
    -1.393379807472229,
    -0.14722689986228943,
    -2.1677703857421875,
    -1.0568121671676636
  ],
  "cls_mean": 0.0030402292031794786,
  "cls_std": 1.198970079421997,
  "inference_ms": 12.03155517578125,
  "throughput": 83.1147748890298,
  "npu_available": true
}

logs/accuracy_eval.log

  • 文件大小：1039 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
============================================================
WebSSL-DINO-300M Accuracy: CPU vs NPU
============================================================

Loading CPU model...
Loading NPU model...
Testing 5 images (224x224)

  Sample 1: CLS cos=1.000000 p99=0.0024% mae=0.0007% | Hid cos=1.000001 p99=0.0035% mae=0.0007%
  Sample 2: CLS cos=1.000000 p99=0.0021% mae=0.0007% | Hid cos=1.000000 p99=0.0032% mae=0.0007%
  Sample 3: CLS cos=1.000000 p99=0.0019% mae=0.0006% | Hid cos=1.000000 p99=0.0034% mae=0.0007%
  Sample 4: CLS cos=1.000000 p99=0.0018% mae=0.0005% | Hid cos=1.000000 p99=0.0031% mae=0.0006%
  Sample 5: CLS cos=1.000000 p99=0.0025% mae=0.0008% | Hid cos=0.999999 p99=0.0040% mae=0.0008%

============================================================
Summary
============================================================
CLS:  Cosine=1.000000  P99Err=0.0025%  MAE=0.0007%
Hid:  Cosine=1.000000  P99Err=0.0040%  MAE=0.0007%
Cos>0.9999:  PASS
P99Err<1%:   PASS
MAE<1%:      PASS
Overall:     PASS

results/accuracy_eval.json

  • 文件大小：2991 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
{
  "model": "facebook/webssl-dino300m-full2b-224",
  "device": "npu:0",
  "dtype": "float32",
  "num_samples": 5,
  "cls_cosine_mean": 0.99999998325879,
  "hidden_cosine_mean": 1.000000136294638,
  "cls_p99_err_pct": 0.0025229721662130143,
  "hidden_p99_err_pct": 0.004013771410870238,
  "cls_mae_pct": 0.0006723163824062794,
  "hidden_mae_pct": 0.0007142241702240426,
  "passed": true,
  "per_sample": [
    {
      "sample": 1,
      "cls_cosine": 0.9999999170671785,
      "hidden_cosine": 1.0000006037679103,
      "cls": {
        "max_pct": 0.0030284432796179317,
        "p99_pct": 0.0023675809088237747,
        "mae_pct": 0.0007356820333370706,
        "mae_abs": 5.3805481002200395e-05
      },
      "hidden": {
        "max_pct": 0.030081209843046963,
        "p99_pct": 0.0035430426333917095,
        "mae_pct": 0.000727855558579904,
        "mae_abs": 0.00017752802523318678
      }
    },
    {
      "sample": 2,
      "cls_cosine": 1.0000000832219453,
      "hidden_cosine": 0.9999999999999761,
      "cls": {
        "max_pct": 0.002995769500557799,
        "p99_pct": 0.002073185178055721,
        "mae_pct": 0.0006545009455294348,
        "mae_abs": 4.724428436020389e-05
      },
      "hidden": {
        "max_pct": 0.016550137661397457,
        "p99_pct": 0.0032153715101061104,
        "mae_pct": 0.0006718938948324649,
        "mae_abs": 0.00016772106755524874
      }
    },
    {
      "sample": 3,
      "cls_cosine": 0.9999999160183392,
      "hidden_cosine": 1.0000002285577343,
      "cls": {
        "max_pct": 0.002367289380345028,
        "p99_pct": 0.0019456348792001694,
        "mae_pct": 0.0006113581093813991,
        "mae_abs": 4.346994683146477e-05
      },
      "hidden": {
        "max_pct": 0.01789237867342308,
        "p99_pct": 0.0034051165662342692,
        "mae_pct": 0.000710885342414258,
        "mae_abs": 0.0001809181849239394
      }
    },
    {
      "sample": 4,
      "cls_cosine": 0.9999999999932347,
      "hidden_cosine": 1.000000377501917,
      "cls": {
        "max_pct": 0.0024557148208259605,
        "p99_pct": 0.0017780269383318359,
        "mae_pct": 0.000521863330504857,
        "mae_abs": 3.759437095141038e-05
      },
      "hidden": {
        "max_pct": 0.030275125754997134,
        "p99_pct": 0.003122873307220622,
        "mae_pct": 0.0006468600076914299,
        "mae_abs": 0.00016762528684921563
      }
    },
    {
      "sample": 5,
      "cls_cosine": 0.9999999999932523,
      "hidden_cosine": 0.9999994716456524,
      "cls": {
        "max_pct": 0.003683959585032426,
        "p99_pct": 0.0025229721662130143,
        "mae_pct": 0.0008381774932786357,
        "mae_abs": 5.966971366433427e-05
      },
      "hidden": {
        "max_pct": 0.2130313077941537,
        "p99_pct": 0.004013771410870238,
        "mae_pct": 0.0008136260476021562,
        "mae_abs": 0.00019733332737814635
      }
    }
  ]
}

logs/performance_eval.log

  • 文件大小：789 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
============================================================
WebSSL-DINO-300M Performance
============================================================
Model: 0.304B params
Batch: 1 | Input: torch.Size([1, 3, 224, 224]) | Device: npu:0
Memory before warmup: 1174.8 MB
Warmup: 3
Timed runs: 10
  Run 1: 39.30 ms
  Run 2: 44.68 ms
  Run 3: 41.04 ms
  Run 4: 44.22 ms
  Run 5: 33.24 ms
  Run 6: 48.29 ms
  Run 7: 32.02 ms
  Run 8: 36.77 ms
  Run 9: 33.49 ms
  Run 10: 50.29 ms

============================================================
Results
============================================================
Avg: 40.33 ms  Std: 6.14 ms
Min: 32.02 ms  Max: 50.29 ms  Median: 40.17 ms
Throughput: 24.79 images/s
Device: Ascend910_9362 (61.3 GB)
Peak memory: 1174.8 MB

results/performance_eval.json

  • 文件大小：443 bytes
  • 以下内容为 README 直接文本转写，不是外部路径引用。
{
  "model": "facebook/webssl-dino300m-full2b-224",
  "device": "npu:0",
  "dtype": "float32",
  "params": 303655168,
  "batch_size": 1,
  "input_shape": [
    1,
    3,
    224,
    224
  ],
  "avg_ms": 40.33389091491699,
  "std_ms": 6.141222820137581,
  "min_ms": 32.018184661865234,
  "max_ms": 50.290584564208984,
  "median_ms": 40.17221927642822,
  "throughput": 24.79304568233863,
  "peak_memory_mb": 1174.8173828125
}

8. 许可证与声明

  • 适配代码许可证以本仓库 license 元数据或 LICENSE 文件为准。
  • 原始模型权重许可证以模型发布方为准。
  • 本仓库不应提交私钥、token、API key、缓存目录或大体积权重文件。
  • 文档中的运行结果来自仓库现有日志和 JSON 结果文件；未验证的数值不会在 README 中虚构。