timm/repvgg_a0.rvgg_in1k on Ascend NPU

1. 简介

本项目将 timm/repvgg_a0.rvgg_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，支持真实 NPU 推理、CPU-NPU 精度一致性验证与性能基准测试。

2. 验证环境

项目	版本/说明
NPU	Ascend910
npu-smi	25.5.2
PyTorch	2.9.0+cpu
torch_npu	可用
timm	1.0.27

3. 推理运行

python inference.py

模型：timm/repvgg_a0.rvgg_in1k
输入：assets/test.jpg (224x224)
输出：1000 类 logits
NPU Top-1：class_328 (prob=0.085445)

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_error	0.006763
mean_abs_error	0.001644
relative_error	0.0872%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_328
NPU Top-1: class_328
CPU Top-5: class_328, class_980, class_108, class_462, class_329
NPU Top-5: class_328, class_980, class_108, class_462, class_329
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg_latency_ms	5.640
min_latency_ms	5.606
max_latency_ms	5.714
p50_latency_ms	5.630
p90_latency_ms	5.714
p95_latency_ms	5.714
images_per_sec	177.31

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 — 环境检查
logs/inference.log — 推理结果
logs/accuracy.log — 精度验证
logs/benchmark.log — 性能基准

9. 注意事项

运行前请确保 NPU 驱动与 CANN 环境已正确配置。
权重通过 ModelScope 下载，首次运行需联网。
本项目不提交模型权重文件。

10. 标签 #NPU