z
zhangyuge147/timm-hgnet_tiny.paddle_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/hgnet_tiny.paddle_in1k on Ascend NPU

1. 简介

本项目将 timm/hgnet_tiny.paddle_in1k 图片分类模型适配到昇腾 NPU（Ascend910B）运行。

  • 原始模型：timm/hgnet_tiny.paddle_in1k
  • 适配方式：ModelScope 下载权重 + timm.create_model(pretrained=False) 本地加载
  • 验证设备：Ascend910B

2. 验证环境

项目版本
NPUAscend910B
CANN8.5.1
torch_npu2.x
PyTorch2.x
timmlatest

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_984 (0.3515)
  • Top-2: class_655 (0.2204)
  • Top-3: class_903 (0.0690)
  • Top-4: class_514 (0.0198)
  • Top-5: class_646 (0.0155)

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_error0.003865
mean_abs_error0.000602
relative_error0.0726%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_984
  • NPU Top-1: class_984
  • CPU Top-5: class_984, class_655, class_903, class_514, class_646
  • NPU Top-5: class_984, class_655, class_903, class_514, class_646
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency4.309 ms
min_latency4.229 ms
max_latency4.386 ms
p50_latency4.330 ms
p90_latency4.386 ms
p95_latency4.386 ms
images/sec232.09

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

  • logs/inference.log — 推理结果
  • logs/accuracy.log — CPU-NPU 精度一致性
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载，权重通过 ModelScope snapshot_download 本地加载。
  • 推理时模型已迁移至 npu:0。
  • 精度验证阈值为 relative_error < 1.0%。

10. 标签

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