timm-resnet34.bt_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.bt_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	0.000677
NPU 推理时间	4.27ms

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: [-0.5324617028236389, 0.8077839612960815, -0.5866788029670715, -0.608744204044342, 0.10008122771978378]
推理时间: 193.42ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5324119329452515, 0.8076760768890381, -0.5869056582450867, -0.6088737845420837, 0.09983717650175095]
推理时间: 4.27ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000677
Relative Error: 0.002220

✓ 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：0.000677

timm-resnet34.bt_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.bt_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	0.000677
NPU 推理时间	4.27ms

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: [-0.5324617028236389, 0.8077839612960815, -0.5866788029670715, -0.608744204044342, 0.10008122771978378]
推理时间: 193.42ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5324119329452515, 0.8076760768890381, -0.5869056582450867, -0.6088737845420837, 0.09983717650175095]
推理时间: 4.27ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000677
Relative Error: 0.002220

✓ 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：0.000677