timm/resnext101_32x4d.fb_swsl_ig1b_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/resnext101_32x4d.fb_swsl_ig1b_ft_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。

• 原始模型: timm/resnext101_32x4d.fb_swsl_ig1b_ft_in1k
• 适配方式: 使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型并加载本地权重
• 推理设备: Ascend910 NPU (npu:0)

2. 验证环境

• NPU: Ascend910_9362
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 可用
• timm: 最新版

环境检查日志: 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_512 (0.014476)
• Top-2: class_600 (0.013748)
• Top-3: class_623 (0.012903)
• Top-4: class_418 (0.011813)
• Top-5: class_473 (0.011139)

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_512
• NPU Top-1: class_512
• CPU Top-5: class_512, class_600, class_623, class_418, class_473
• NPU Top-5: class_512, class_600, class_623, class_418, class_473
• Top-1 match: True
• Top-5 match: True

5. 性能参考

在 Ascend910 NPU 上单图推理性能:

测试配置: 预热 2 次 + 正式 10 次，输入尺寸 [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 和 screenshots/self_verification.txt。

8. 日志文件

• logs/env_check.log — 环境检查
• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
2. 预处理使用 timm.data.resolve_model_data_config + create_transform，自动匹配模型训练时的数据配置。
3. 推理时前后调用 torch.npu.synchronize() 确保计时准确。
4. 测试图片为占位图（网络下载失败时自动生成），实际部署时请替换为真实图片。

10. 标签

#NPU #Ascend #Ascend910 #timm #ResNeXt #ImageClassification