timm-coat_mini.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-coat_mini.in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	0.999982
最大绝对误差	0.005604
NPU 推理时间	26.44ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== coat_mini.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.1782892346382141, -0.42392414808273315, -0.3141630291938782, -0.39774274826049805, -0.0216495543718338]
推理时间: 700.59ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.17700612545013428, -0.42553994059562683, -0.3146074712276459, -0.3983665704727173, -0.020679472014307976]
推理时间: 26.44ms

=== 精度对比 ===
Cosine Similarity: 0.999982
Max Absolute Error: 0.005604
Relative Error: 0.025882

✓ NPU 适配通过

5. 精度校验

余弦相似度：0.999982（> 0.99 通过）
最大绝对误差：0.005604

6. 复现步骤

pip install torch torch_npu timm huggingface_hub safetensors
python3 inference.py

7. 环境要求

Python 3.11+、PyTorch 2.9.0+、torch_npu 2.9.0+、CANN 8.5.1、Ascend 910B4

8. 智能体技能

本适配由 vision-encoder-npu-adapt 智能体技能自动完成。

timm-coat_mini.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-coat_mini.in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	0.999982
最大绝对误差	0.005604
NPU 推理时间	26.44ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== coat_mini.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.1782892346382141, -0.42392414808273315, -0.3141630291938782, -0.39774274826049805, -0.0216495543718338]
推理时间: 700.59ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.17700612545013428, -0.42553994059562683, -0.3146074712276459, -0.3983665704727173, -0.020679472014307976]
推理时间: 26.44ms

=== 精度对比 ===
Cosine Similarity: 0.999982
Max Absolute Error: 0.005604
Relative Error: 0.025882

✓ NPU 适配通过

5. 精度校验

余弦相似度：0.999982（> 0.99 通过）
最大绝对误差：0.005604

6. 复现步骤

pip install torch torch_npu timm huggingface_hub safetensors
python3 inference.py

7. 环境要求

Python 3.11+、PyTorch 2.9.0+、torch_npu 2.9.0+、CANN 8.5.1、Ascend 910B4

8. 智能体技能

本适配由 vision-encoder-npu-adapt 智能体技能自动完成。