timm-levit_conv_128s.fb_dist_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-levit_conv_128s.fb_dist_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	0.999999
最大绝对误差	0.006113
NPU 推理时间	7.29ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== levit_conv_128s.fb_dist_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.06417504698038101, -0.22786617279052734, 0.7136203646659851, 1.4294538497924805, 2.579133987426758]
推理时间: 97.88ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.06450366973876953, -0.22998367249965668, 0.712746262550354, 1.4267070293426514, 2.5760889053344727]
推理时间: 7.29ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.006113
Relative Error: 0.005404

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 则通过）
最大绝对误差：0.006113

timm-levit_conv_128s.fb_dist_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-levit_conv_128s.fb_dist_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	0.999999
最大绝对误差	0.006113
NPU 推理时间	7.29ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== levit_conv_128s.fb_dist_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.06417504698038101, -0.22786617279052734, 0.7136203646659851, 1.4294538497924805, 2.579133987426758]
推理时间: 97.88ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.06450366973876953, -0.22998367249965668, 0.712746262550354, 1.4267070293426514, 2.5760889053344727]
推理时间: 7.29ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.006113
Relative Error: 0.005404

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 则通过）
最大绝对误差：0.006113