timm-regnety_064.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_064.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	0.003714
NPU 推理时间	12.33ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_064 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8215530514717102, 2.3678510189056396, 0.8387011885643005, 0.024244608357548714, 1.503858208656311]
推理时间: 386.41ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8216320872306824, 2.3668861389160156, 0.8383160829544067, 0.022995736449956894, 1.5044220685958862]
推理时间: 12.33ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003714
Relative Error: 0.001707

✓ 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 则通过）
最大绝对误差：0.003714

timm-regnety_064.pycls_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_064.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	0.003714
NPU 推理时间	12.33ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_064 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8215530514717102, 2.3678510189056396, 0.8387011885643005, 0.024244608357548714, 1.503858208656311]
推理时间: 386.41ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8216320872306824, 2.3668861389160156, 0.8383160829544067, 0.022995736449956894, 1.5044220685958862]
推理时间: 12.33ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003714
Relative Error: 0.001707

✓ 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 则通过）
最大绝对误差：0.003714