hrnet_w18_small_v2.ms_in1k on Ascend NPU

1. 简介

本文档记录 timm/hrnet_w18_small_v2.ms_in1k (HRNet-W18-Small-V2) 在昇腾 NPU 上的适配验证结果。

模型来源: timm/hrnet_w18_small_v2.ms_in1k
架构: HRNet-W18-Small-V2
参数量: ~13M
任务: Image Classification (图像分类, ImageNet-1K, 1000类)
适配状态: SUCCESS
适配时间: 2026-05-18

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
系统: Linux aarch64

3. 推理脚本

source setup_env.sh && /usr/local/python3.11.14/bin/python3 deliverables/hrnet_w18_small_v2_ms/inference.py

4. 推理输出证据

=== hrnet_w18_small_v2.ms_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.9414, 1.8682, -2.0233, -4.1299, 1.0156]
推理时间: 317.90ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.9418, 1.8682, -2.0228, -4.1292, 1.0166]
推理时间: 17.57ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003780
Relative Error: 0.004305

✓ NPU 适配通过

5. 性能参考

指标	数值
NPU 平均延迟	17.57 ms
CPU 推理时间	317.90 ms

6. CPU vs NPU 精度对比

指标	数值
Cosine Similarity	1.000000
Max Abs Error	0.003780
Relative Error	0.004305
是否满足要求	是（cosine=1.0）

7. 评测材料

材料	文件	说明
推理脚本	`inference.py`	独立可运行的 NPU 推理代码
评测报告	`report.json`	结构化评测结果

8. 注意事项

使用 timm 库的 hrnet_w18_small_v2.ms_in1k 模型定义
权重通过 timm 从 HuggingFace Hub 下载（hf-mirror）
输入: 随机 224x224 RGB 图像
输出: 1000 类 ImageNet 分类 logits

贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-18

hrnet_w18_small_v2.ms_in1k on Ascend NPU

1. 简介

本文档记录 timm/hrnet_w18_small_v2.ms_in1k (HRNet-W18-Small-V2) 在昇腾 NPU 上的适配验证结果。

模型来源: timm/hrnet_w18_small_v2.ms_in1k
架构: HRNet-W18-Small-V2
参数量: ~13M
任务: Image Classification (图像分类, ImageNet-1K, 1000类)
适配状态: SUCCESS
适配时间: 2026-05-18

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
系统: Linux aarch64

3. 推理脚本

source setup_env.sh && /usr/local/python3.11.14/bin/python3 deliverables/hrnet_w18_small_v2_ms/inference.py

4. 推理输出证据

=== hrnet_w18_small_v2.ms_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.9414, 1.8682, -2.0233, -4.1299, 1.0156]
推理时间: 317.90ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.9418, 1.8682, -2.0228, -4.1292, 1.0166]
推理时间: 17.57ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003780
Relative Error: 0.004305

✓ NPU 适配通过

5. 性能参考

指标	数值
NPU 平均延迟	17.57 ms
CPU 推理时间	317.90 ms

6. CPU vs NPU 精度对比

指标	数值
Cosine Similarity	1.000000
Max Abs Error	0.003780
Relative Error	0.004305
是否满足要求	是（cosine=1.0）

7. 评测材料

材料	文件	说明
推理脚本	`inference.py`	独立可运行的 NPU 推理代码
评测报告	`report.json`	结构化评测结果

8. 注意事项

使用 timm 库的 hrnet_w18_small_v2.ms_in1k 模型定义
权重通过 timm 从 HuggingFace Hub 下载（hf-mirror）
输入: 随机 224x224 RGB 图像
输出: 1000 类 ImageNet 分类 logits

贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-18