timm/repvgg_a1.rvgg_in1k on Ascend NPU

1. 简介

本项目将 timm/repvgg_a1.rvgg_in1k 模型适配到昇腾 NPU (Ascend910) 上运行。该模型是 RepVGG-A1，一种结构简单、推理高效的 VGG 风格卷积神经网络，通过结构重参数化技术实现训练时多分支与推理时单分支的等效转换。

2. 验证环境

环境检查日志见 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_846 (0.0248)
• Top-2: class_813 (0.0214)
• Top-3: class_784 (0.0209)
• Top-4: class_783 (0.0194)
• Top-5: class_623 (0.0177)

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_846
• NPU Top-1: class_846
• CPU Top-5: class_846, class_813, class_784, class_783, class_623
• NPU Top-5: class_846, class_813, class_784, class_783, class_623
• 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/env_check.log — 环境检查
• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载。
• 推理脚本使用 timm.data.resolve_model_data_config 自动获取预处理配置。

10. 标签

#NPU #Ascend #Ascend910 #image-classification