timm-repvgg_a0.rvgg_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-repvgg_a0.rvgg_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
Cosine Similarity	1.000000
Max Absolute Error	0.003327
NPU 推理时间	5.71ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== repvgg_a0.rvgg_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.08531028032302856, 1.1234593391418457, 2.709357976913452, 1.1326724290847778, 3.8596112728118896]
推理时间: 185.22ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.08264018595218658, 1.122761845588684, 2.7096107006073, 1.1326044797897339, 3.859178066253662]
推理时间: 5.71ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003327
Relative Error: 0.031618

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

Cosine Similarity: 1.000000 (> 0.99 通过)
Max Absolute Error: 0.003327

6. 复现步骤

# 安装依赖
pip install torch torch_npu timm huggingface_hub safetensors

# 运行推理
python3 inference.py

7. 环境要求

Python 3.11+
PyTorch 2.9.0+
torch_npu 2.9.0+
CANN 8.5.1
Ascend 910B4

8. Agent Skill

本适配由 vision-encoder-npu-adapt Agent Skill 自动完成，包含：

模型加载与权重下载（ModelScope fallback）
NPU 迁移与 FP32 推理
CPU vs NPU 精度对比验证
性能基准测试

timm-repvgg_a0.rvgg_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-repvgg_a0.rvgg_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
Cosine Similarity	1.000000
Max Absolute Error	0.003327
NPU 推理时间	5.71ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== repvgg_a0.rvgg_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.08531028032302856, 1.1234593391418457, 2.709357976913452, 1.1326724290847778, 3.8596112728118896]
推理时间: 185.22ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.08264018595218658, 1.122761845588684, 2.7096107006073, 1.1326044797897339, 3.859178066253662]
推理时间: 5.71ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003327
Relative Error: 0.031618

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

Cosine Similarity: 1.000000 (> 0.99 通过)
Max Absolute Error: 0.003327

6. 复现步骤

# 安装依赖
pip install torch torch_npu timm huggingface_hub safetensors

# 运行推理
python3 inference.py

7. 环境要求

Python 3.11+
PyTorch 2.9.0+
torch_npu 2.9.0+
CANN 8.5.1
Ascend 910B4

8. Agent Skill

本适配由 vision-encoder-npu-adapt Agent Skill 自动完成，包含：

模型加载与权重下载（ModelScope fallback）
NPU 迁移与 FP32 推理
CPU vs NPU 精度对比验证
性能基准测试