timm/convnext_tiny.fb_in22k_ft_in1k_384 on Ascend NPU

1. 简介

本项目将 timm/convnext_tiny.fb_in22k_ft_in1k_384 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载权重，使用 timm.create_model(pretrained=False) 创建模型并加载本地权重，在 NPU 上完成推理验证、精度一致性检查和性能基准测试。

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 (0.164752)
• Top-2: class_128 (0.046106)
• Top-3: class_812 (0.038822)
• Top-4: class_892 (0.038382)
• Top-5: class_701 (0.031145)

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_812, class_892, class_701
• NPU Top-5: class_21, class_128, class_812, class_892, class_701
• 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。

8. 日志文件

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

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，不随仓库提交。
• 严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
• 输入分辨率为 384x384，由 timm.data.resolve_model_data_config 自动解析。
• 测试图片为随机噪声图，用于避免纯色图导致的数值边界波动。

10. 标签

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