timm/mobilenetv4_conv_medium.e500_r224_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilenetv4_conv_medium.e500_r224_in1k 图片分类模型适配到昇腾 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。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: alp (0.6627)
• Top-2: valley (0.0379)
• Top-3: ibex (0.0295)
• Top-4: cliff (0.0284)
• Top-5: promontory (0.0075)

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: alp
• NPU Top-1: alp
• CPU Top-5: alp, valley, ibex, cliff, promontory
• NPU Top-5: alp, valley, ibex, cliff, promontory
• 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。

8. 日志文件

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

9. 注意事项

1. 权重文件（.safetensors、.bin、.pth 等）不包含在仓库中，首次运行时会通过 ModelScope 自动下载。
2. 请确保 NPU 驱动和 CANN 环境已正确安装。
3. 推理脚本默认使用 npu:0 设备。

10. 标签

#NPU #Ascend #Ascend910 #timm #MobileNetV4 #ImageClassification