z
zhangyuge147/timm-mobilenetv4_conv_small.e2400_r224_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/mobilenetv4_conv_small.e2400_r224_in1k on Ascend NPU

1. 简介

本工程将 timm/mobilenetv4_conv_small.e2400_r224_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。使用 ModelScope 下载权重，通过 timm.create_model(pretrained=False) 加载本地权重，实现了在 NPU 上的推理、精度一致性验证和性能基准测试。

2. 验证环境

项目版本
NPUAscend910
CANN8.5.1
Python3.11
torch2.x
torch_npu2.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_472 (0.1901)
  • Top-2: class_625 (0.1693)
  • Top-3: class_814 (0.1551)
  • Top-4: class_484 (0.0620)
  • Top-5: class_871 (0.0421)

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_error0.013155
mean_abs_error0.003581
relative_error0.0159%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_472 (0.1901)
  • NPU Top-1: class_472 (0.1901)
  • CPU Top-5: [472, 625, 814, 484, 871]
  • NPU Top-5: [472, 625, 814, 484, 871]
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency0.005452 s
min_latency0.005356 s
max_latency0.005576 s
p50_latency0.005454 s
p90_latency0.005576 s
p95_latency0.005576 s
images_per_sec183.43

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 推理结果
  • logs/accuracy.log - CPU-NPU 精度一致性检查
  • logs/benchmark.log - 性能基准测试
  • logs/env_check.log - NPU 环境检查

9. 注意事项

  • 权重通过 ModelScope snapshot_download 下载，禁止 pretrained=True 自动从 HuggingFace 下载
  • 推理和测试均使用 timm.data.resolve_model_data_config 自动推导预处理参数
  • 精度验证阈值 relative_error < 1.0%，本模型验证通过

10. 标签

#NPU #Ascend #Ascend910 #timm #mobilenetv4 #image-classification