timm/seresnext50_32x4d.gluon_in1k on Ascend NPU

1. 简介

本项目将 timm/seresnext50_32x4d.gluon_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载权重，使用 timm.create_model(pretrained=False) 创建模型并加载本地权重，支持单图推理、CPU-NPU 精度一致性验证和性能基准测试。

2. 验证环境

完整环境信息见 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_473 (0.0195)
• Top-2: class_512 (0.0145)
• Top-3: class_902 (0.0137)
• Top-4: class_600 (0.0110)
• Top-5: class_623 (0.0109)

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_473
• NPU Top-1: class_473
• CPU Top-5: class_473, class_512, class_902, class_600, class_623
• NPU Top-5: class_473, class_512, class_902, class_600, class_623
• 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

9. 注意事项

• 模型权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载。
• 权重文件（*.bin, *.safetensors, *.pth 等）已加入 .gitignore，不会提交到仓库。
• 测试图片为占位图（assets/test.jpg），实际使用时替换为目标图片即可。

10. 标签

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