waylong/timm-regnetx_160.tv2_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/regnetx_160.tv2_in1k on Ascend NPU

1. 简介

本项目将 timm/regnetx_160.tv2_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载本地权重，使用 timm.create_model(pretrained=False) 创建模型结构并加载权重，实现单卡 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
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu对应版本
timmlatest

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_644 (0.024584)
  • Top-2: class_473 (0.014367)
  • Top-3: class_769 (0.012869)
  • Top-4: class_818 (0.012609)
  • Top-5: class_111 (0.011587)

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：

指标数值
max_abs_error0.000935
mean_abs_error0.000153
relative_error0.0228%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_644
  • NPU Top-1: class_644
  • CPU Top-5: class_644, class_473, class_769, class_818, class_111
  • NPU Top-5: class_644, class_473, class_769, class_818, class_111
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
warmup_runs2
benchmark_runs10
avg_latency(s)0.007576
min_latency(s)0.007520
max_latency(s)0.007691
p50_latency(s)0.007573
p90_latency(s)0.007691
p95_latency(s)0.007691
images_per_sec132.00

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/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

9. 注意事项

  • 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
  • 运行前请确保 NPU 驱动和 CANN 环境已正确安装。

10. 标签

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