ConvNextV2-Nano 是 ConvNextV2 系列轻量级图像分类模型，输入 3x224x224，基于 ImageNet-1k 数据集训练。适用于图像分类、视觉特征提取等任务。
| 项目 | 版本 |
|---|---|
| 硬件 | Atlas 800 A2 |
| CANN | 8.5.RC1 |
| PyTorch | 2.5.1 |
| torch_npu | 2.5.1 |
| Python | 3.10 |
使用 transformers 库加载模型进行推理：
import torch
from transformers import AutoImageProcessor, ConvNextV2ForImageClassification
from PIL import Image
device = torch.device("npu:0" if torch.npu.is_available() else "cpu")
model_path = "facebook/convnextv2-nano-1k-224"
processor = AutoImageProcessor.from_pretrained(model_path)
model = ConvNextV2ForImageClassification.from_pretrained(model_path).to(device)
model.eval()
image = Image.open("test.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt")
inputs = {k: v.to(device) for k, v in inputs.items()}
with torch.no_grad():
outputs = model(**inputs)
logits = outputs.logits
predicted = logits.argmax(-1).item()
print(f"预测类别: {predicted}")| 指标 | 数值 |
|---|---|
| 平均推理时间 | 5.29 ms |
| 输入尺寸 | 3x224x224 |
| 测试平台 | Atlas 800 A2 |
| Batch Size | 1 |
Ascend NPU 精度评测
NPU vs CPU 精度对比（CPU 为基线，NPU 为验证目标）：
| 指标 | 数值 |
|---|---|
| 测试用例数 | 4 |
| 最大 logits 差异 | 0.071636 |
| Top-1 一致性 | 4/4 |
| 平均 KL 散度 | 0.000051 |
| 精度要求 | Top-1 100% + KL 散度 < 0.01 |
| 精度结论 | 一致 (PASS) |
精度评测源代码和日志详见 eval/ 目录。