timm/tresnet_l.miil_in1k on Ascend NPU

1. 简介

本项目将 timm/tresnet_l.miil_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。

• 原始模型: timm/tresnet_l.miil_in1k
• 模型类型: 图片分类 (ImageNet-1k, 1000 classes)
• 适配方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载
• 精度验证: CPU-NPU 相对误差 0.0573%，Top-1/Top-5 完全匹配

2. 验证环境

NPU 状态 (npu-smi info):

• 设备健康: OK
• 可用显存: ~62 GB HBM

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_1 (0.141148)
• Top-2: class_556 (0.048615)
• Top-3: class_441 (0.030767)
• Top-4: class_417 (0.030647)
• Top-5: class_36 (0.030379)

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_1 (0.141236)
• NPU Top-1: class_1 (0.141148)
• CPU Top-5: class_1, class_556, class_441, class_417, class_36
• NPU Top-5: class_1, class_556, class_441, class_417, class_36
• Top-1 match: True
• Top-5 match: True

5. 性能参考

基于单卡 NPU、batch_size=1、输入尺寸 224x224 的基准测试（10 次正式迭代，2 次预热）：

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

• logs/env_check.log — NPU 环境检查结果
• logs/inference.log — 推理输出日志
• logs/accuracy.log — CPU-NPU 精度一致性日志
• logs/benchmark.log — 性能基准测试日志

9. 注意事项

1. 禁止自动下载: 本工程使用 pretrained=False 并通过 modelscope.snapshot_download 加载本地权重，避免 HuggingFace 自动下载。
2. 权重文件不提交: 项目 .gitignore 已排除 *.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx 等权重文件。
3. 测试图片: assets/test.jpg 为在线下载的随机测试图，用于 smoke test。
4. 预处理: 使用 timm.data.resolve_model_data_config + create_transform 获取模型专属预处理参数，无需手写 Normalize。

10. 标签

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