timm/convnext_large.fb_in22k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/convnext_large.fb_in22k_ft_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）上运行。

模型来源：ModelScope - timm/convnext_large.fb_in22k_ft_in1k

适配方式：使用 ModelScope snapshot_download 下载本地权重，通过 timm.create_model(pretrained=False) 创建模型并加载本地权重，确保在 NPU 上完成真实推理、精度一致性验证与性能基准测试。

2. 验证环境

NPU 状态：npu_available=True, device=Ascend910_9362

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_972 (0.7756)
• Top-2: class_979 (0.0850)
• Top-3: class_970 (0.0387)
• Top-4: class_483 (0.0121)
• Top-5: class_980 (0.0030)

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_972
• NPU Top-1: class_972
• CPU Top-5: class_972, class_979, class_970, class_483, class_980
• NPU Top-5: class_972, class_979, class_970, class_483, class_980
• Top-1 match: True
• Top-5 match: True

5. 性能参考

在单卡 Ascend910 NPU 上的性能基准（输入 [1, 3, 224, 224]）：

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 与 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope 下载，推理时 pretrained=False + 本地权重加载，不触发 HuggingFace 自动下载。
2. 首次运行会自动下载模型权重（约 755MB），请确保网络畅通。
3. 测试图片为随机下载的 400x300 图片，仅用于 smoke test，不代表真实 ImageNet 类别分布。
4. 本项目不包含模型权重文件（*.bin / *.safetensors / *.pth 等已加入 .gitignore）。

10. 标签

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