timm-vit_large_r50_s32_384.augreg_in21k_ft_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-vit_large_r50_s32_384.augreg_in21k_ft_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	0.999941
最大绝对误差	0.040877
NPU 推理时间	18.25ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== vit_large_r50_s32_384.augreg_in21k_ft_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.41319510340690613, 0.6780185699462891, 0.4045889675617218, 0.6972474455833435, 0.9054193496704102]
推理时间: 884.88ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.398189902305603, 0.6708643436431885, 0.3855363726615906, 0.6836349964141846, 0.8970869779586792]
推理时间: 18.25ms

=== 精度对比 ===
Cosine Similarity: 0.999941
Max Absolute Error: 0.040877
Relative Error: 0.045216

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999941（> 0.99 通过）
最大绝对误差：0.040877

timm-vit_large_r50_s32_384.augreg_in21k_ft_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-vit_large_r50_s32_384.augreg_in21k_ft_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	0.999941
最大绝对误差	0.040877
NPU 推理时间	18.25ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== vit_large_r50_s32_384.augreg_in21k_ft_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.41319510340690613, 0.6780185699462891, 0.4045889675617218, 0.6972474455833435, 0.9054193496704102]
推理时间: 884.88ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.398189902305603, 0.6708643436431885, 0.3855363726615906, 0.6836349964141846, 0.8970869779586792]
推理时间: 18.25ms

=== 精度对比 ===
Cosine Similarity: 0.999941
Max Absolute Error: 0.040877
Relative Error: 0.045216

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999941（> 0.99 通过）
最大绝对误差：0.040877