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

cv_crnn_ocr-recognition-general_damo on Ascend NPU

1. 简介

本文档记录 cv_crnn_ocr-recognition-general_damo (读光文字识别) 在昇腾 NPU 上的适配验证结果。

  • 模型来源: iic/cv_crnn_ocr-recognition-general_damo
  • 架构: CRNN (Conv + BiLSTM + Linear)
  • 任务: OCR 文字识别 (中文，7643字符 + blank)
  • 适配状态: SUCCESS
  • 适配时间: 2026-05-18

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
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: cv_crnn_ocr-recognition-general_damo
设备: npu:0
精度: float32
模型参数量: 11,966,336

--- CPU 推理 ---
输出形状: [26, 1, 7644]
总输出维度: 198744
是否有 NaN: False

--- NPU 推理 (npu:0) ---
输出形状: [26, 1, 7644]
总输出维度: 198744
是否有 NaN: False

5. 性能参考

指标数值
平均延迟9.13 ms
测试轮数10

6. CPU vs NPU 精度对比

指标数值
Cosine Similarity0.999998
Max Abs Error0.006883
精度误差< 0.01%
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

  • CRNN 架构: Conv特征提取 → BiLSTM序列建模 → Linear分类
  • 输入: 灰度图像 (1通道), 32x100
  • 输出: 26个时间步, 每步7644维logits (7643中文字符 + blank)
  • 使用 adaptive_avg_pool2d 将卷积输出高度归一化为1
  • 使用 LSTM (4-gate) 匹配原始 checkpoint 的权重结构

贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-18