timm-regnetx_004.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnetx_004.pycls_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	1.000000
最大绝对误差	0.007012
NPU 推理时间	7.60ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnetx_004 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.2176237106323242, -0.00803404301404953, -2.2702083587646484, -1.0175731182098389, 2.3005998134613037]
推理时间: 108.83ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.2158602476119995, -0.008258095011115074, -2.26961088180542, -1.0193262100219727, 2.2962992191314697]
推理时间: 7.60ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.007012
Relative Error: 0.004403

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 为通过）
最大绝对误差：0.007012

timm-regnetx_004.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnetx_004.pycls_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	1.000000
最大绝对误差	0.007012
NPU 推理时间	7.60ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnetx_004 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.2176237106323242, -0.00803404301404953, -2.2702083587646484, -1.0175731182098389, 2.3005998134613037]
推理时间: 108.83ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.2158602476119995, -0.008258095011115074, -2.26961088180542, -1.0193262100219727, 2.2962992191314697]
推理时间: 7.60ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.007012
Relative Error: 0.004403

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 为通过）
最大绝对误差：0.007012