timm/convnextv2_tiny.fcmae_ft_in22k_in1k on Ascend NPU

1. 简介

本项目将 timm/convnextv2_tiny.fcmae_ft_in22k_in1k 模型适配到单卡昇腾 NPU (Ascend910) 上运行。该模型是基于 ConvNeXt V2 Tiny 的图片分类模型，使用 FCMAE 在 ImageNet-22k 预训练、ImageNet-1k 微调的权重，输出 1000 个类别。

适配方式：

• 通过 ModelScope snapshot_download 下载本地权重
• 使用 timm.create_model(..., pretrained=False) 创建模型并加载本地权重
• 使用 timm.data.resolve_model_data_config + create_transform 进行预处理
• 在 npu:0 上执行真实推理

2. 验证环境

详细环境信息见 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_700 (0.005996)
• Top-2: class_499 (0.005386)
• Top-3: class_549 (0.004226)
• Top-4: class_701 (0.004211)
• Top-5: class_680 (0.004186)

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：

• CPU Top-1: class_700
• NPU Top-1: class_700
• CPU Top-5: class_700, class_499, class_701, class_549, class_680
• NPU Top-5: class_700, class_499, class_549, class_701, class_680
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 和 screenshots/self_verification.txt。

8. 日志文件

• logs/env_check.log — 环境检查
• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试

9. 注意事项

1. 权重通过 ModelScope 下载，严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
2. 测试图片为占位图（网络不可用时生成），实际部署时替换为真实图片即可。

10. 标签

#NPU #Ascend #Ascend910 #timm #ConvNeXt #image-classification