cv_resnet50d.a1_in1k 在昇腾 NPU 上的表现

1. 简介

模型来源：timm/resnet50d.a1_in1k
架构：ResNet-50（D 变体 A1）
参数量：约 25.6M
任务：图像分类（ImageNet-1K，1000 类）
适配状态：成功

2. 验证环境

组件	版本
torch	2.9.0
torch-npu	2.9.0.post1
timm	1.0.27
CANN	8.5.1
NPU	Ascend 910B4

3. 推理脚本

python inference.py --device npu:0 --dtype float32

4. 推理输出证据

模型: cv_resnet50d.a1_in1k
设备: npu:0
精度: float32
------------------------------------------------------------
权重加载完成

--- CPU 推理 ---
输出形状: [1, 1000]
Logits 前5个: [-8.865221  -5.354324  -5.5568113 -5.2209916 -4.8285522]
是否有 NaN: False
预测类别: 111

--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
Logits 前5个: [-8.863442  -5.353367  -5.550495  -5.2192764 -4.8271546]
是否有 NaN: False
预测类别: 111

--- 精度对比 ---
Cosine Similarity: 1.000000
Max Abs Error: 0.010394

--- 性能基准 ---
平均延迟: 5.28 ms (10轮)

✓ 推理完成

5. CPU 与 NPU 精度对比

指标	数值
余弦相似度	1.000000
最大绝对误差	0.010394
预测类别一致	是 (111)

6. 性能参考

指标	数值
平均延迟	5.28 ms
测试轮数	10

cv_resnet50d.a1_in1k 在昇腾 NPU 上的表现

1. 简介

模型来源：timm/resnet50d.a1_in1k
架构：ResNet-50（D 变体 A1）
参数量：约 25.6M
任务：图像分类（ImageNet-1K，1000 类）
适配状态：成功

2. 验证环境

组件	版本
torch	2.9.0
torch-npu	2.9.0.post1
timm	1.0.27
CANN	8.5.1
NPU	Ascend 910B4

3. 推理脚本

python inference.py --device npu:0 --dtype float32

4. 推理输出证据

模型: cv_resnet50d.a1_in1k
设备: npu:0
精度: float32
------------------------------------------------------------
权重加载完成

--- CPU 推理 ---
输出形状: [1, 1000]
Logits 前5个: [-8.865221  -5.354324  -5.5568113 -5.2209916 -4.8285522]
是否有 NaN: False
预测类别: 111

--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
Logits 前5个: [-8.863442  -5.353367  -5.550495  -5.2192764 -4.8271546]
是否有 NaN: False
预测类别: 111

--- 精度对比 ---
Cosine Similarity: 1.000000
Max Abs Error: 0.010394

--- 性能基准 ---
平均延迟: 5.28 ms (10轮)

✓ 推理完成

5. CPU 与 NPU 精度对比

指标	数值
余弦相似度	1.000000
最大绝对误差	0.010394
预测类别一致	是 (111)

6. 性能参考

指标	数值
平均延迟	5.28 ms
测试轮数	10