timm/wide_resnet50_2.tv2_in1k on Ascend NPU

1. 简介

本项目将 timm/wide_resnet50_2.tv2_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910B)。

• 原始模型来源：ModelScope - timm/wide_resnet50_2.tv2_in1k
• 适配方式：使用 timm.create_model(pretrained=False) 创建模型，通过 ModelScope snapshot_download 下载本地权重并加载，在 NPU 上执行推理。
• 权重格式：Safetensors (model.safetensors)

2. 验证环境

环境详情见 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_759 (0.1676)
• Top-2: class_474 (0.1256)
• Top-3: class_836 (0.0616)
• Top-4: class_837 (0.0485)
• Top-5: class_869 (0.0333)

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_759
• NPU Top-1: class_759
• CPU Top-5: class_759, class_474, class_836, class_837, class_869
• NPU Top-5: class_759, class_474, class_836, class_837, class_869
• 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 — NPU 环境信息
• logs/inference.log — 推理结果
• logs/accuracy.log — CPU-NPU 精度一致性
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重通过 ModelScope 下载，不随仓库提交。
• 运行前请确保 NPU 驱动和 CANN 环境已正确安装。
• torch_npu 日志中的 path string is NULL 和权限警告为环境已知提示，不影响推理正确性。

10. 标签

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