timm-regnety_064.ra3_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_064.ra3_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	0.999999
最大绝对误差	0.000970
NPU 推理时间	12.14ms

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: [0.09960384666919708, -0.04835369437932968, 0.2567799985408783, 0.16594621539115906, 0.26523253321647644]
推理时间: 312.41ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.09940275549888611, -0.04814480245113373, 0.25698867440223694, 0.16613124310970306, 0.26578080654144287]
推理时间: 12.14ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.000970
Relative Error: 1.508117

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 则通过）
最大绝对误差：0.000970

timm-regnety_064.ra3_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_064.ra3_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	0.999999
最大绝对误差	0.000970
NPU 推理时间	12.14ms

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: [0.09960384666919708, -0.04835369437932968, 0.2567799985408783, 0.16594621539115906, 0.26523253321647644]
推理时间: 312.41ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.09940275549888611, -0.04814480245113373, 0.25698867440223694, 0.16613124310970306, 0.26578080654144287]
推理时间: 12.14ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.000970
Relative Error: 1.508117

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 则通过）
最大绝对误差：0.000970