waylong/timm-wide_resnet50_2.tv_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/wide_resnet50_2.tv_in1k on Ascend NPU

1. 简介

本项目将 timm/wide_resnet50_2.tv_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。

  • 模型来源: ModelScope - timm/wide_resnet50_2.tv_in1k
  • 适配方式: 使用 timm.create_model(pretrained=False) 创建模型结构，通过 ModelScope snapshot_download 下载本地权重并加载，确保真实 NPU 推理。
  • 验证内容: 单图 NPU 推理验证、CPU-NPU 精度一致性对比、NPU 性能基准测试。

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu适配 CANN 8.5.1
timmlatest

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_534 (0.0656)
  • Top-2: class_813 (0.0458)
  • Top-3: class_623 (0.0387)
  • Top-4: class_473 (0.0358)
  • Top-5: class_499 (0.0305)

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_error0.001165
mean_abs_error0.000256
relative_error0.0204%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_534
  • NPU Top-1: class_534
  • CPU Top-5: class_534, class_813, class_623, class_473, class_499
  • NPU Top-5: class_534, class_813, class_623, class_473, class_499
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms6.613
min_latency_ms6.522
max_latency_ms6.967
p50_latency_ms6.568
p90_latency_ms6.967
images_per_sec151.21

测试条件：单卡 Ascend910，batch_size=1，预热 2 轮，正式测试 10 轮。

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

文件说明
logs/env_check.logNPU 环境检查
logs/inference.logNPU 推理输出
logs/accuracy.logCPU-NPU 精度对比
logs/benchmark.logNPU 性能基准测试

9. 注意事项

  • 权重文件通过 ModelScope 自动下载到本地缓存目录，不在项目目录中提交。
  • timm.create_model(..., pretrained=False) 禁止自动从 HuggingFace 下载权重。
  • 测试图片为占位图（网络下载超时），推理结果仅用于验证模型运行正确性。

10. 标签

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