timm-resnet34.a2_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.a2_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	0.002838
NPU 推理时间	4.06ms

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: [-8.215679168701172, -7.342366695404053, -6.43022346496582, -5.593155860900879, -4.80568265914917]
推理时间: 101.55ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-8.215075492858887, -7.341887474060059, -6.428034782409668, -5.590406894683838, -4.803133487701416]
推理时间: 4.06ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002838
Relative Error: 0.000080

✓ 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：0.002838

timm-resnet34.a2_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.a2_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	0.002838
NPU 推理时间	4.06ms

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: [-8.215679168701172, -7.342366695404053, -6.43022346496582, -5.593155860900879, -4.80568265914917]
推理时间: 101.55ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-8.215075492858887, -7.341887474060059, -6.428034782409668, -5.590406894683838, -4.803133487701416]
推理时间: 4.06ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002838
Relative Error: 0.000080

✓ 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：0.002838