sheeps_/timm-resnet34.a1_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnet34.a1_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet34.a1_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。

  • 模型来源: ModelScope - timm/resnet34.a1_in1k
  • 模型类型: 图片分类 (Image Classification)
  • 输入尺寸: 224x224
  • 类别数: 1000 (ImageNet-1k)
  • 适配方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu适配 CANN 8.5.1

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_913 (0.223123)
  • Top-2: class_833 (0.189506)
  • Top-3: class_871 (0.049579)
  • Top-4: class_693 (0.040735)
  • Top-5: class_540 (0.033786)

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_error0.008050
mean_abs_error0.001613
relative_error0.0175%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_913
  • NPU Top-1: class_913
  • CPU Top-5: class_913, class_833, class_871, class_693, class_540
  • NPU Top-5: class_913, class_833, class_871, class_693, class_540
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms4.069
min_latency_ms3.970
max_latency_ms4.206
p50_latency_ms4.044
p90_latency_ms4.206
p95_latency_ms4.206
images_per_sec245.77

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 和 screenshots/self_verification.txt。

8. 日志文件

  • logs/inference.log - 推理日志
  • logs/accuracy.log - 精度验证日志
  • logs/benchmark.log - 性能基准日志
  • logs/env_check.log - 环境检查日志

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 下载，不使用 HuggingFace 自动下载。
  2. timm.create_model 必须设置 pretrained=False，再通过 load_state_dict 加载本地权重。
  3. 推理和测试前使用 torch.npu.synchronize() 确保 NPU 同步。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification #timm