v
v50_/timm-inception_resnet_v2.tf_ens_adv_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/inception_resnet_v2.tf_ens_adv_in1k on Ascend NPU

1. 简介

本项目将 ModelScope 上的 timm/inception_resnet_v2.tf_ens_adv_in1k 图片分类模型适配为可在单卡昇腾 NPU（Ascend910B）上运行的提交工程。

  • 模型来源：https://modelscope.cn/models/timm/inception_resnet_v2.tf_ens_adv_in1k
  • 模型类型：Image Classification（Inception-ResNet-V2，ImageNet-1k）
  • 输入尺寸：299 x 299
  • 输出类别：1000
  • 权重加载方式：ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 创建模型结构并加载

2. 验证环境

项目版本/信息
NPU 型号Ascend910
npu-smi25.5.2
PyTorch NPUAscend910_9362
框架timm + torch + torch_npu

环境详情见 logs/env_check.log。

3. 推理运行

python inference.py

推理脚本使用 model_utils.py 加载模型，通过 timm.data.resolve_model_data_config 自动获取预处理参数，在 npu:0 上执行真实推理。

推理结果摘要：

  • 输入 shape：[1, 3, 299, 299]
  • 输出 shape：[1, 1000]
  • Top-1：class_974（confidence 0.907000）
  • Top-5：class_974, class_980, class_460, class_820, class_979

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_error0.004367
mean_abs_error0.000305
relative_error0.0974%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_974
  • NPU Top-1: class_974
  • CPU Top-5: class_974, class_980, class_460, class_820, class_979
  • NPU Top-5: class_974, class_980, class_460, class_820, class_979
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
Warm-up2 runs
Benchmark10 runs
avg latency0.025084 s
min latency0.024173 s
max latency0.026097 s
p50 latency0.024864 s
p90 latency0.026097 s
p95 latency0.026097 s
Throughput39.87 images/sec

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

文件说明
logs/env_check.logNPU 环境检查
logs/inference.logNPU 推理结果
logs/accuracy.logCPU-NPU 精度一致性
logs/benchmark.log性能基准测试
logs/paths.txt模型与权重路径

9. 注意事项

  • 权重通过 ModelScope snapshot_download 下载，不随工程提交。
  • 运行前请确保已安装 requirements.txt 中的依赖，且昇腾 NPU 驱动和 CANN 环境正常。
  • 首次运行会自动下载模型权重到本地缓存目录。

10. 标签

#NPU