sheeps_/timm-resnet50.bt_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnet50.bt_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet50.bt_in1k 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) 加载本地权重，并在 NPU 上完成推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • NPU: Ascend910 (npu-smi 25.5.2)
  • PyTorch: 配合 torch_npu 使用
  • 模型来源: ModelScope (timm/resnet50.bt_in1k)
  • 权重加载: 本地 safetensors，pretrained=False

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_499 (0.0245)
  • Top-2: class_623 (0.0188)
  • Top-3: class_584 (0.0175)
  • Top-4: class_473 (0.0160)
  • Top-5: class_699 (0.0137)

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_error0.005075
mean_abs_error0.000940
relative_error0.1099%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_499
  • NPU Top-1: class_499
  • CPU Top-5: class_499, class_623, class_584, class_473, class_699
  • NPU Top-5: class_499, class_623, class_584, class_473, class_699
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
latency_avg_ms6.814
latency_min_ms5.872
latency_max_ms7.297
latency_p50_ms6.867
latency_p90_ms6.928
latency_p95_ms6.928
images_per_sec146.76

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.txt 和 screenshots/self_verification.png。

8. 日志文件

  • logs/inference.log - 推理输出
  • logs/accuracy.log - 精度验证结果
  • logs/benchmark.log - 性能基准测试
  • logs/env_check.log - NPU 环境检查

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存目录
  2. 严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载
  3. 推理脚本会自动将模型和输入迁移到 npu:0
  4. 测试图片为占位图（网络不可用时生成），实际部署请替换为真实图片

10. 标签

#NPU #Ascend #Ascend910 #timm #resnet50 #image-classification