timm-wide_resnet50 on Ascend NPU
1. 简介
本文档记录 timm-wide_resnet50_2.tv2_in1k (Wide ResNet50) 在昇腾 NPU 上的适配验证结果。
- 模型来源: timm/wide_resnet50_2.tv2_in1k
- 架构: Wide ResNet50 (加宽版 ResNet, width_per_group=64*2)
- 参数量: ~68.9M
- 任务: Image Classification (图像分类, ImageNet-1K, 1000类)
- 适配状态: SUCCESS
- 适配时间: 2026-05-17
2. 验证环境
| 组件 | 版本 |
|---|
torch | 2.9.0 |
torch-npu | 2.9.0.post1 |
timm | 1.0.27 |
CANN | 8.5.1 |
- NPU: Ascend 910B4
- 系统: Linux aarch64
3. 推理脚本
python inference.py --device npu:0 --dtype float32
4. 推理输出证据
模型: wide_resnet50_2.tv2_in1k
设备: npu:0
精度: float32
--- CPU 推理 ---
输出形状: [1, 1000]
Logits 前5个: [-0.9183538 0.4972906 0.22080328 -0.2950767 -0.05857359]
是否有 NaN: False
预测类别: 490
--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
Logits 前5个: [-0.9185286 0.4971134 0.22145572 -0.29470485 -0.05777226]
是否有 NaN: False
预测类别: 490
5. 性能参考
6. CPU vs NPU 精度对比
| 指标 | 数值 |
|---|
| Cosine Similarity | 1.000000 |
| Max Abs Error | 0.001578 |
| 精度误差 | < 0.001% |
| 是否满足要求 | 是（< 1%） |
7. 评测材料
| 材料 | 文件 | 说明 |
|---|
| 推理脚本 | inference.py | 独立可运行的 NPU 推理代码 |
8. 注意事项
- 使用 timm 库的
wide_resnet50_2 模型定义
- 权重从 modelscope 的
timm/wide_resnet50_2.tv2_in1k 加载
- 输入: 随机 224x224 RGB 图像
- 输出: 1000 类 ImageNet 分类 logits
贡献者: xujiashuai
参赛赛道: 模型适配赛道
提交时间: 2026-05-17