timm-regnety_080.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_080.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	0.002419
NPU 推理时间	8.54ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-3.060232400894165, -0.0286518894135952, -0.3710157871246338, -1.980499505996704, 1.7722852230072021]
推理时间: 288.82ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-3.0595405101776123, -0.029150787740945816, -0.37064263224601746, -1.9808486700057983, 1.7725588083267212]
推理时间: 8.54ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002419
Relative Error: 0.001293

✓ 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：0.002419

timm-regnety_080.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_080.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	0.002419
NPU 推理时间	8.54ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-3.060232400894165, -0.0286518894135952, -0.3710157871246338, -1.980499505996704, 1.7722852230072021]
推理时间: 288.82ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-3.0595405101776123, -0.029150787740945816, -0.37064263224601746, -1.9808486700057983, 1.7725588083267212]
推理时间: 8.54ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002419
Relative Error: 0.001293

✓ 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：0.002419