timm-vit_large_patch16_384.augreg_in21k_ft_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-vit_large_patch16_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
Cosine Similarity	0.999960
Max Absolute Error	0.047456
NPU 推理时间	11.90ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== vit_large_patch16_384.augreg_in21k_ft_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.550805926322937, 0.7716261148452759, 0.18358507752418518, 0.2280271053314209, 1.146371603012085]
推理时间: 1310.69ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5290629267692566, 0.7598826885223389, 0.16612261533737183, 0.2189992368221283, 1.1416726112365723]
推理时间: 11.90ms

=== 精度对比 ===
Cosine Similarity: 0.999960
Max Absolute Error: 0.047456
Relative Error: 0.036317

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

Cosine Similarity: 0.999960 (> 0.99 通过)
Max Absolute Error: 0.047456

timm-vit_large_patch16_384.augreg_in21k_ft_in1k - Ascend NPU 适配

1. 模型信息

模型: timm-vit_large_patch16_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
Cosine Similarity	0.999960
Max Absolute Error	0.047456
NPU 推理时间	11.90ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== vit_large_patch16_384.augreg_in21k_ft_in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.550805926322937, 0.7716261148452759, 0.18358507752418518, 0.2280271053314209, 1.146371603012085]
推理时间: 1310.69ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5290629267692566, 0.7598826885223389, 0.16612261533737183, 0.2189992368221283, 1.1416726112365723]
推理时间: 11.90ms

=== 精度对比 ===
Cosine Similarity: 0.999960
Max Absolute Error: 0.047456
Relative Error: 0.036317

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

Cosine Similarity: 0.999960 (> 0.99 通过)
Max Absolute Error: 0.047456