timm/tinynet_d.in1k on Ascend NPU

1. 简介

本项目将 timm/tinynet_d.in1k 图片分类模型适配到昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，实现单卡 NPU 推理、精度一致性验证与性能基准测试。

2. 验证环境

• NPU: Ascend910
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 已安装

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_975 (0.3406)
• Top-2: class_979 (0.0803)
• Top-3: class_970 (0.0742)
• Top-4: class_976 (0.0659)
• Top-5: class_972 (0.0523)

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_975
• NPU Top-1: class_975
• CPU Top-5: class_975, class_979, class_970, class_976, class_972
• NPU Top-5: class_975, class_979, class_970, class_976, class_972
• 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 — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — NPU 环境信息
• logs/stage0.log — 阶段 0 模型可用性检查

9. 注意事项

• 严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载权重；本项目通过 ModelScope snapshot_download 获取权重并本地加载。
• 权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）不提交到仓库。

10. 标签

#NPU