mobilenetv1_100h.ra4_e3600_r224_in1k on Ascend NPU

1. 简介

本文档记录 timm/mobilenetv1_100h.ra4_e3600_r224_in1k (MobileNetV1 100h%) 在昇腾 NPU 上的适配验证结果。

模型来源: timm/mobilenetv1_100h.ra4_e3600_r224_in1k
架构: MobileNetV1 (深度可分离卷积, 1.0x 宽度, 高分辨率)
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_100h.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: [-3.868445873260498, -3.2649500370025635, -3.401853084564209, -3.1173489093780518, -2.8576884269714355]
推理时间: 101.68ms

--- NPU 推理 (npu:0) ---
输出形状: [1, 1000]
输出前5值: [-3.861722469329834, -3.260478973388672, -3.396418809890747, -3.1128337383270264, -2.8525471687316895]
推理时间: 3.04ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.009066
Relative Error: 0.001716

✓ NPU 适配通过

5. 性能参考

指标	数值
平均延迟	2.91 ms
测试轮数	10

6. CPU vs NPU 精度对比

指标	数值
Cosine Similarity	1.000000
Max Absolute Error	0.009066
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