timm-coat_tiny.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-coat_tiny.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	0.999978
最大绝对误差	0.006424
NPU 推理时间	26.78ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== coat_tiny.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1882878839969635, -0.18320252001285553, 0.1341354101896286, 0.4714783728122711, 0.4560399353504181]
推理时间: 590.03ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.18781055510044098, -0.18409541249275208, 0.13477259874343872, 0.47146251797676086, 0.45640674233436584]
推理时间: 26.78ms

=== 精度对比 ===
Cosine Similarity: 0.999978
Max Absolute Error: 0.006424
Relative Error: 0.043394

✓ NPU 适配通过

5. 精度校验

余弦相似度：0.999978（> 0.99 通过）
最大绝对误差：0.006424

6. 复现步骤

pip install torch torch_npu timm huggingface_hub safetensors
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. 智能体技能

本适配由 vision-encoder-npu-adapt 智能体技能自动完成。

timm-coat_tiny.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-coat_tiny.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	0.999978
最大绝对误差	0.006424
NPU 推理时间	26.78ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== coat_tiny.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1882878839969635, -0.18320252001285553, 0.1341354101896286, 0.4714783728122711, 0.4560399353504181]
推理时间: 590.03ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.18781055510044098, -0.18409541249275208, 0.13477259874343872, 0.47146251797676086, 0.45640674233436584]
推理时间: 26.78ms

=== 精度对比 ===
Cosine Similarity: 0.999978
Max Absolute Error: 0.006424
Relative Error: 0.043394

✓ NPU 适配通过

5. 精度校验

余弦相似度：0.999978（> 0.99 通过）
最大绝对误差：0.006424

6. 复现步骤

pip install torch torch_npu timm huggingface_hub safetensors
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. 智能体技能

本适配由 vision-encoder-npu-adapt 智能体技能自动完成。