timm-regnety_080_tv.tv2_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_080_tv.tv2_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	0.003010
NPU 推理时间	8.47ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080_tv ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5655438899993896, 0.719642162322998, 2.2188267707824707, 1.8467519283294678, 2.449755907058716]
推理时间: 219.05ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5653461217880249, 0.7199077010154724, 2.218496322631836, 1.8467516899108887, 2.448838949203491]
推理时间: 8.47ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003010
Relative Error: 0.001805

✓ 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：0.003010

timm-regnety_080_tv.tv2_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-regnety_080_tv.tv2_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	0.003010
NPU 推理时间	8.47ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== regnety_080_tv ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5655438899993896, 0.719642162322998, 2.2188267707824707, 1.8467519283294678, 2.449755907058716]
推理时间: 219.05ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5653461217880249, 0.7199077010154724, 2.218496322631836, 1.8467516899108887, 2.448838949203491]
推理时间: 8.47ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003010
Relative Error: 0.001805

✓ 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：0.003010