timm-regnety_002.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_002.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	0.005446
NPU 推理时间	6.78ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_002 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43027105927467346, 1.827454686164856, -2.308336019515991, -0.7608094811439514, 3.0218634605407715]
推理时间: 95.83ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43184715509414673, 1.8257633447647095, -2.306945562362671, -0.7612903118133545, 3.019487142562866]
推理时间: 6.78ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.005446
Relative Error: 0.006425

✓ 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：0.005446

timm-regnety_002.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_002.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	0.005446
NPU 推理时间	6.78ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_002 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43027105927467346, 1.827454686164856, -2.308336019515991, -0.7608094811439514, 3.0218634605407715]
推理时间: 95.83ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43184715509414673, 1.8257633447647095, -2.306945562362671, -0.7612903118133545, 3.019487142562866]
推理时间: 6.78ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.005446
Relative Error: 0.006425

✓ 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：0.005446