timm-resnet34.gluon_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.gluon_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	0.001978
NPU 推理时间	4.31ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== resnet34 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8307086229324341, -0.20366603136062622, 0.7835894227027893, 1.3387237787246704, 1.7195183038711548]
推理时间: 184.35ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8314255475997925, -0.20374427735805511, 0.783897876739502, 1.3391762971878052, 1.7193713188171387]
推理时间: 4.31ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001978
Relative Error: 0.001399

✓ 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：0.001978

timm-resnet34.gluon_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-resnet34.gluon_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	0.001978
NPU 推理时间	4.31ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== resnet34 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8307086229324341, -0.20366603136062622, 0.7835894227027893, 1.3387237787246704, 1.7195183038711548]
推理时间: 184.35ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.8314255475997925, -0.20374427735805511, 0.783897876739502, 1.3391762971878052, 1.7193713188171387]
推理时间: 4.31ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001978
Relative Error: 0.001399

✓ 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：0.001978