xujiashuai/timm-convnextv2_base
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm-convnextv2_base on Ascend NPU

1. 简介

本文档记录 timm-convnextv2_base.fcmae_ft_in1k (ConvNeXtV2 Base) 在昇腾 NPU 上的适配验证结果。

  • 模型来源: timm/convnextv2_base.fcmae_ft_in1k
  • 架构: ConvNeXtV2 Base (纯卷积架构 + GRN)
  • 参数量: ~88.7M
  • 任务: Image Classification (图像分类, ImageNet-1K, 1000类)
  • 适配状态: SUCCESS
  • 适配时间: 2026-05-17

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
timm1.0.27
CANN8.5.1
  • NPU: Ascend 910B4
  • 系统: Linux aarch64

3. 推理脚本

python inference.py --device npu:0 --dtype float32

4. 推理输出证据

模型: convnextv2_base.fcmae_ft_in1k
设备: npu:0
精度: float32

--- CPU 推理 ---
输出形状: [1, 1000]
Logits 前5个: [-0.75232816  0.06308805  0.2998039  -0.07215813  0.29344693]
是否有 NaN: False
预测类别: 539

--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
Logits 前5个: [-0.755283    0.06275753  0.300404   -0.07688     0.291854  ]
是否有 NaN: False
预测类别: 539

5. 性能参考

指标数值
平均延迟16.72 ms
测试轮数10

6. CPU vs NPU 精度对比

指标数值
Cosine Similarity0.999987
Max Abs Error0.029652
精度误差< 0.3%
是否满足要求是（< 1%）

7. 评测材料

材料文件说明
推理脚本inference.py独立可运行的 NPU 推理代码

8. 注意事项

  • 使用 timm 库的 convnextv2_base 模型定义
  • 权重从 modelscope 的 timm/convnextv2_base.fcmae_ft_in1k 加载
  • 输入: 随机 224x224 RGB 图像
  • 输出: 1000 类 ImageNet 分类 logits

贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-17