timm-regnety_004.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_004.pycls_in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	1.000000
最大绝对误差	0.006952
NPU 推理时间	8.05ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_004 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43918052315711975, 1.7072455883026123, -1.2679113149642944, -2.2899603843688965, 2.391964912414551]
推理时间: 109.93ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43885767459869385, 1.7075444459915161, -1.2690602540969849, -2.2915258407592773, 2.390876054763794]
推理时间: 8.05ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.006952
Relative Error: 0.002854

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 通过）
最大绝对误差：0.006952

timm-regnety_004.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_004.pycls_in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	1.000000
最大绝对误差	0.006952
NPU 推理时间	8.05ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_004 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43918052315711975, 1.7072455883026123, -1.2679113149642944, -2.2899603843688965, 2.391964912414551]
推理时间: 109.93ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.43885767459869385, 1.7075444459915161, -1.2690602540969849, -2.2915258407592773, 2.390876054763794]
推理时间: 8.05ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.006952
Relative Error: 0.002854

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 通过）
最大绝对误差：0.006952