timm-resnet34.a1_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.a1_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	0.001699
NPU 推理时间	4.17ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== resnet34 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-7.818297386169434, -6.937574863433838, -5.357213497161865, -6.100796699523926, -5.314615726470947]
推理时间: 101.12ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-7.818353176116943, -6.93798828125, -5.358348846435547, -6.100994110107422, -5.315149784088135]
推理时间: 4.17ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001699
Relative Error: 0.000063

✓ 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 则通过）
最大绝对误差：0.001699

timm-resnet34.a1_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.a1_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	0.001699
NPU 推理时间	4.17ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== resnet34 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-7.818297386169434, -6.937574863433838, -5.357213497161865, -6.100796699523926, -5.314615726470947]
推理时间: 101.12ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-7.818353176116943, -6.93798828125, -5.358348846435547, -6.100994110107422, -5.315149784088135]
推理时间: 4.17ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001699
Relative Error: 0.000063

✓ 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 则通过）
最大绝对误差：0.001699