timm/dpn68.mx_in1k on Ascend NPU

1. 简介

本项目将 timm/dpn68.mx_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 加载模型，通过 torch_npu 在 NPU 上完成推理、精度一致性验证和性能基准测试。

2. 验证环境

环境检查日志见 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_111 (0.022802)
• Top-2: class_623 (0.012731)
• Top-3: class_473 (0.012278)
• Top-4: class_512 (0.011205)
• Top-5: class_499 (0.010698)

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_111
• NPU Top-1: class_111
• CPU Top-5: class_111, class_623, class_473, class_512, class_499
• NPU Top-5: class_111, class_623, class_473, class_512, class_499
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：单卡 Ascend910，batch=1，10 次正式运行（2 次预热）。

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

• logs/inference.log — 推理结果
• logs/accuracy.log — CPU-NPU 精度一致性
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — 环境检查

9. 注意事项

• 模型权重通过 ModelScope 下载，运行前请确保网络可达或本地已有缓存。
• 若 snapshot_download 因网络问题失败，可手动下载后放入缓存目录。
• 严禁将 *.bin / *.safetensors / *.pth / *.pt / *.ckpt / *.onnx 提交到 Git 仓库。

10. 标签

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