z
zhangyuge147/timm-dpn98.mx_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/dpn98.mx_in1k on Ascend NPU

1. 简介

本项目将 timm/dpn98.mx_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。使用 ModelScope 下载权重，timm 加载本地权重进行推理，并完成 CPU-NPU 精度一致性验证与性能基准测试。

  • 原始模型: timm/dpn98.mx_in1k
  • 模型类型: Image Classification
  • 输入尺寸: 224x224
  • 输出类别: 1000 (ImageNet-1k)

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu适配 CANN 8.5.1
timmlatest
modelscopelatest

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_623 (0.0138)
  • Top-2: class_418 (0.0123)
  • Top-3: class_512 (0.0118)
  • Top-4: class_473 (0.0104)
  • Top-5: class_902 (0.0088)

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_error0.010491
mean_abs_error0.002418
relative_error0.3025%
cosine_similarity0.999995
threshold1.0%
结果PASS
  • CPU Top-1: class_623
  • NPU Top-1: class_623
  • CPU Top-5: class_623, class_418, class_512, class_473, class_902
  • NPU Top-5: class_623, class_418, class_512, class_473, class_902
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms12.72
min_latency_ms12.23
max_latency_ms12.92
p50_latency_ms12.81
p90_latency_ms12.92
p95_latency_ms12.92
images_per_sec78.62

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 与 screenshots/self_verification.txt。

8. 日志文件

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

9. 注意事项

  1. 模型权重通过 ModelScope snapshot_download 下载，严禁使用 HuggingFace 自动下载。
  2. 加载时使用 timm.create_model(..., pretrained=False) + 本地权重文件加载。
  3. 权重文件（.bin, .safetensors, .pth 等）不提交到 Git 仓库。
  4. 测试图片使用占位图，实际部署时可替换为真实图片。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification #timm