模型：facebook/regnet-x-160
架构：RegNetForImageClassification（transformers 标准）
任务：图像分类（ImageNet-1k，1000 类）
RegNetX-160 模型在 ImageNet-1k 上训练，并在昇腾 NPU 上进行了适配与验证。
该模型由 Facebook Research 在论文《Designing Network Design Spaces》（https://arxiv.org/abs/2003.13678）中提出。
from transformers import AutoImageProcessor, AutoModelForImageClassification
from PIL import Image
import torch
model_path = "facebook/regnet-x-160"
processor = AutoImageProcessor.from_pretrained(model_path)
model = AutoModelForImageClassification.from_pretrained(model_path).to("npu:0").eval()
img = Image.new("RGB", (224, 224), (128, 128, 128))
inputs = processor(images=img, return_tensors="pt")
inputs = {k: v.to("npu:0") for k, v in inputs.items()}
with torch.no_grad():
logits = model(**inputs).logits
predicted_class = logits.argmax(-1).item()
print(f"Predicted: {model.config.id2label[str(predicted_class)]}")| 指标 | 数值 |
|---|---|
| Top-1 一致性 | 4/4 |
| Top-5 一致性 | 4/4 |
| 最大 Logit 差异 | 0.007798 |
| 最大 Logit 差异比率 | 0.000644 |
| 平均 KL 散度 | 1e-06 |
| 推理速度（NPU） | 10.54 ms |
| 结论 | PASS |
inference.py — 单图像推理测试eval/run_accuracy.py — CPU 与 NPU 精度对比eval/run_performance.py — NPU 推理性能基准测试model/facebook/regnet-x-160/ — 模型权重和配置ms_model/facebook/regnet-x-160/ — 指向模型目录的符号链接