mobilenetv1_100.ra4_e3600_r224_in1k 在昇腾 NPU 上的验证

1. 简介

本文档记录 timm/mobilenetv1_100.ra4_e3600_r224_in1k（MobileNetV1 100%）在昇腾 NPU 上的适配验证结果。

模型来源：timm/mobilenetv1_100.ra4_e3600_r224_in1k
架构：MobileNetV1（深度可分离卷积，1.0x 宽度）
任务：Image Classification（图像分类，ImageNet-1K，1000类）
适配状态：SUCCESS
适配时间：2026-05-18

2. 验证环境

组件	版本
`torch`	`2.9.0+cpu`
`torch-npu`	`2.9.0.post1`
`timm`	`1.0.27`
`CANN`	`8.5.1`

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: mobilenetv1_100.ra4_e3600_r224_in1k
设备: npu:0
精度: float32

--- CPU 推理 ---
输出形状: [1, 1000]
输出前5值: [-3.3718910217285156, -3.7480568885803223, -3.9994852542877197, -3.626168727874756, -2.6762845516204834]
推理时间: 95.02ms

--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
输出前5值: [-3.3688061237335205, -3.74690842628479, -3.9937331676483154, -3.619288921356201, -2.6631717681884766]
推理时间: 2.95ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.019827
Relative Error: 0.001148

✓ NPU 适配通过

5. 性能参考

指标	数值
平均延迟	2.86 ms
测试轮数	10

6. CPU vs NPU 精度对比

指标	数值
Cosine Similarity	0.999999
Max Absolute Error	0.019827
是否满足要求	是（> 0.99）

7. Agent Skill

本模型适配由 vision-encoder-npu-adapt Agent Skill 自动完成。

贡献者: xujiashuai 参赛赛道: 模型适配赛道 (Problem 10) 提交时间: 2026-05-18