图像画质损伤分析模型，基于 ResNet50 架构，可评估图像的清晰度、点状噪声、压缩噪声、亮度、色彩等多个维度的画质损伤评分。
| 指标 | 值 |
|---|---|
| 余弦相似度 | 1.000000 |
| 平均延迟 | 5.79 毫秒 |
| 峰值显存 | 0.57 GB |
| 参数量 | 151,806,278 |
| 推理精度 | float16 |
| 设备 | 昇腾 910B4 |
| 组件 | 版本 |
|---|---|
| CANN | 8.5.1 |
| torch_npu | 2.9.0.post1 |
| PyTorch | 2.9.0 |
| Python | 3.11 |
# 设置环境
export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH
# 安装依赖
pip install torch torch_npu torchvision
# 运行推理
python inference.py --device npu:0 --dtype float16
# 运行精度验证
python evaluate.py --device npu:0 --output report.jsonNPU 推理输出（float16, 224x224）:
模型: iic/cv_resnet50_image-quality-assessment_degradation
设备: npu:0
精度: float16
------------------------------------------------------------
blur: shape=[1, 1], value=-9.7109
noise: shape=[1, 1], value=0.3369
compression: shape=[1, 1], value=-3.3770
bright: shape=[1, 1], value=0.0000
color: shape=[1, 1], value=0.0000
classifier: shape=[1, 1], value=0.0000
✓ 推理完成| 指标 | CPU (float32) | NPU (float16) | 误差 |
|---|---|---|---|
| 余弦相似度 | 基准 | 0.9999996 | < 0.0001% |
| 输出维度 | 6 | 6 | 一致 |
| 非数字值 | False | False | 一致 |
详见 report.json 和 logs/02_evaluate.log。
本适配由 vision-encoder-npu-adapt Agent Skill 自动完成。