z
zhangyuge147/timm-convnextv2_base.fcmae_ft_in22k_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/convnextv2_base.fcmae_ft_in22k_in1k on Ascend NPU

1. 简介

本项目将 timm/convnextv2_base.fcmae_ft_in22k_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载权重，使用 timm.create_model(pretrained=False) 加载本地权重，并在 NPU 上完成推理验证、精度一致性检查和性能基准测试。

  • 模型来源: ModelScope - timm/convnextv2_base.fcmae_ft_in22k_in1k
  • 模型类型: ConvNeXt V2 Base, ImageNet-22k 预训练 + ImageNet-1k fine-tune
  • 输出类别数: 1000
  • 输入分辨率: 224x224

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
torch2.x
torch_npu适配 CANN 8.5.1
timmlatest

环境检查日志: logs/env_check.log

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_975 (0.474171)
  • Top-2: class_979 (0.238287)
  • Top-3: class_976 (0.098670)
  • Top-4: class_970 (0.078532)
  • Top-5: class_972 (0.017261)

日志保存在 logs/inference.log。

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.017641
mean_abs_error0.001578
relative_error0.3465%
cosine_similarity0.999996
threshold1.0%
结果PASS
  • CPU Top-1: class_975
  • NPU Top-1: class_975
  • CPU Top-5: class_975, class_979, class_976, class_970, class_972
  • NPU Top-5: class_975, class_979, class_976, class_970, class_972
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

NPU 单图推理性能（batch=1, 224x224）：

指标数值
avg_time17.870 ms
min_time17.437 ms
max_time19.123 ms
p50_time17.647 ms
p90_time19.123 ms
p95_time19.123 ms
images_per_sec55.96

日志保存在 logs/benchmark.log。

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

文件说明
logs/env_check.log环境检查
logs/inference.log推理输出
logs/accuracy.log精度对比
logs/benchmark.log性能基准

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存目录，请勿将权重文件提交到仓库。
  2. timm.create_model 必须设置 pretrained=False，然后从本地路径加载权重。
  3. 预处理使用 timm.data.resolve_model_data_config + create_transform，确保与训练时一致。
  4. 本模型为 fcmae_ft_in22k_in1k 版本，输出为 1000 类（ImageNet-1k）。

10. 标签

#NPU #Ascend #Ascend910 #ConvNeXt #ImageClassification