| 属性 | 值 |
|---|---|
| 模型名 | nvidia/Alpamayo-R1-10B |
| 原始权重 | ModelScope / HuggingFace / AtomGit 镜像 |
| 输出 | [batch, num_classes] 图像分类 |
| 输入尺寸 | 224×224×3 |
| 框架 | PyTorch + torch_npu |
# 推荐 conda 环境：pix2struct-npu（torch 2.10.0 + torch_npu 2.10.0 + timm 1.0.27）
# 依赖见 requirements.txt国内 pip 源（Tsinghua）：https://pypi.tuna.tsinghua.edu.cn/simple
硬件：单卡 Ascend 910B4（npu:7）
conda activate pix2struct-npu # 或 /data/conda/anaconda3/envs/pix2struct-npu/bin/python
python inference.py # NPU 推理 + Top-5
python eval_accuracy.py # CPU vs NPU 精度对比
python benchmark.py # NPU 性能基准输入：assets/test.jpg（400×300 RGB）
输出（NPU Top-5，来自 logs/inference.log）：
| 排名 | 类别 | 概率 |
|---|---|---|
| - | （见 logs/inference.log） | - |
| 指标 | 数值 |
|---|---|
| max_abs_error | N/A |
| relative_error | N/A |
| cosine_similarity | N/A |
| Top-1 match | N/A |
| Top-5 match | N/A |
注：本次适配无精度要求（用户明确），精度数据作为质量证据。详见
logs/accuracy.log。
| 指标 | 数值 |
|---|---|
| avg latency | N/A |
| p50 | N/A |
| p95 | N/A |
| throughput | N/A |
| 文件 | 内容 |
|---|---|
| agent_workflow.png | Agent 完整适配工作流 |
| npu_device_call.png | 推理时 npu-smi info（Ascend910B4） |
| model_result.png | 最终适配验收结果（Top-5 + 精度 + 性能） |
#NPU #Ascend #Ascend910 #model-agent-tagged
仓库：https://gitcode.com/v_50/nvidia-Alpamayo-R1-10B-NPU 适配日期：2026-08-11 ｜ 赛道：第二季·模型适配·阶段三
测试图像 assets/test.jpg（或合成 tensor）（详见 inference.py，合成数据，可复现）
logs/inference.log）(请先运行 bash run.sh 生成 logs)# 1. 准备环境（首次）
bash setup_env.sh
# 2. 运行推理 + 精度 + 性能（一键）
export ASCEND_RT_VISIBLE_DEVICES=4,5,6,7
bash run.sh
# 或单独推理
cd nvidia-Alpamayo-R1-10B-NPU
ASCEND_RT_VISIBLE_DEVICES=4,5,6,7 NPU_ID=0 python inference.py