timm-regnety_080.ra3_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-regnety_080.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	1.000000
最大绝对误差	0.000129
NPU 推理时间	8.52ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.028258852660655975, -0.06948450952768326, 0.038940202444791794, 0.01746455579996109, 0.10039667785167694]
推理时间: 292.29ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.028232980519533157, -0.0694836750626564, 0.03891356289386749, 0.017488449811935425, 0.10040190070867538]
推理时间: 8.52ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000129
Relative Error: 0.001777

✓ 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 即通过）
最大绝对误差：0.000129

timm-regnety_080.ra3_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-regnety_080.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	1.000000
最大绝对误差	0.000129
NPU 推理时间	8.52ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.028258852660655975, -0.06948450952768326, 0.038940202444791794, 0.01746455579996109, 0.10039667785167694]
推理时间: 292.29ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.028232980519533157, -0.0694836750626564, 0.03891356289386749, 0.017488449811935425, 0.10040190070867538]
推理时间: 8.52ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000129
Relative Error: 0.001777

✓ 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 即通过）
最大绝对误差：0.000129