timm/convnext_base.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/convnext_base.fb_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。使用 ModelScope 下载权重，通过 timm.create_model(pretrained=False) 加载本地权重，完成推理验证、CPU-NPU 精度一致性检查和性能基准测试。

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_644 (0.0025)
• Top-2: class_111 (0.0022)
• Top-3: class_600 (0.0021)
• Top-4: class_701 (0.0021)
• Top-5: class_549 (0.0021)

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_644
• NPU Top-1: class_644
• CPU Top-5: class_644, class_111, class_600, class_701, class_549
• NPU Top-5: class_644, class_111, class_600, class_701, class_549
• 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 — 环境检查
• logs/inference.log — 推理结果
• logs/accuracy.log — 精度一致性
• logs/benchmark.log — 性能基准
• logs/paths.txt — 模型路径

9. 注意事项

1. 必须使用 pretrained=False 并通过 ModelScope snapshot_download 加载本地权重，严禁使用 HuggingFace 自动下载。
2. 权重文件（.bin、.safetensors、.pth 等）请勿提交到 Git 仓库。
3. 推理脚本需在昇腾 NPU 环境中运行，确保 torch.npu.is_available() 返回 True。

10. 标签

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