sheeps_/timm-edgenext_small.usi_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/edgenext_small.usi_in1k on Ascend NPU

1. 简介

本项目将 timm/edgenext_small.usi_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。

  • 模型来源：ModelScope timm/edgenext_small.usi_in1k
  • 架构：EdgeNeXt (small variant)
  • 类别数：1000 (ImageNet-1k)
  • 输入尺寸：256x256
  • 加载方式：timm.create_model(..., pretrained=False) + ModelScope 本地权重加载

2. 验证环境

组件版本/信息
NPUAscend910
CANN8.5.1
PyTorchtorch + torch_npu
timmlatest
设备状态npu_available=True, device=Ascend910_9362

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_970 (0.4847)
  • Top-2: class_976 (0.1789)
  • Top-3: class_979 (0.1704)
  • Top-4: class_972 (0.0584)
  • Top-5: class_975 (0.0136)

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：

指标数值
max_abs_error0.016106
mean_abs_error0.003852
relative_error0.3375%
cosine_similarity0.999995
threshold1.0%
结果PASS
  • CPU Top-1: class_970
  • NPU Top-1: class_970
  • CPU Top-5: class_970, class_976, class_979, class_972, class_975
  • NPU Top-5: class_970, class_976, class_979, class_972, class_975
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
平均 latency0.008559 s
min latency0.008318 s
max latency0.008820 s
p50 latency0.008558 s
p90 latency0.008681 s
p95 latency0.008681 s
吞吐量116.84 images/sec

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 与 screenshots/self_verification.txt。

8. 日志文件

日志说明
logs/env_check.logNPU 环境检查
logs/inference.logNPU 推理结果
logs/accuracy.logCPU-NPU 精度一致性
logs/benchmark.log性能基准测试
logs/paths.txt模型与权重路径

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 从 HuggingFace 自动下载。
  2. 推理脚本自动使用 timm.data.resolve_model_data_config 获取输入尺寸（本模型为 256x256）。
  3. 若运行中出现 can not create directory 等日志警告，不影响实际推理，属于容器权限提示。

10. 标签

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