z
zhangyuge147/timm-regnetx_008.pycls_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/regnetx_008.pycls_in1k on Ascend NPU

1. 简介

本项目将 timm/regnetx_008.pycls_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。

  • 模型来源: ModelScope - timm/regnetx_008.pycls_in1k
  • 模型类型: RegNetX
  • 输入尺寸: 224 x 224
  • 输出类别: 1000 (ImageNet-1k)
  • 适配方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

项目版本/信息
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu已安装
timm已安装

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_778 (0.158270)
  • Top-2: class_499 (0.126627)
  • Top-3: class_596 (0.089198)
  • Top-4: class_798 (0.085781)
  • Top-5: class_637 (0.062828)

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_error0.008366
mean_abs_error0.001853
relative_error0.0779%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_778
  • NPU Top-1: class_778
  • CPU Top-5: class_778, class_499, class_596, class_798, class_637
  • NPU Top-5: class_778, class_499, class_596, class_798, class_637
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency0.005722 s
min_latency0.005676 s
max_latency0.005795 s
p50_latency0.005722 s
p90_latency0.005795 s
p95_latency0.005795 s
吞吐量174.75 images/sec

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

文件说明
logs/env_check.logNPU 环境检查日志
logs/inference.logNPU 推理日志
logs/accuracy.logCPU-NPU 精度一致性日志
logs/benchmark.logNPU 性能基准测试日志

9. 注意事项

  1. 模型权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
  2. 推理时通过 timm.data.resolve_model_data_config 自动解析模型预处理配置，确保输入尺寸与模型训练时一致（224x224）。
  3. 权重加载时自动处理 module. 前缀和常见的 state_dict 嵌套键（state_dict, model, ema, model_state）。
  4. 本仓库不包含模型权重文件（.bin, .safetensors, .pth, .pt, .ckpt, .onnx 均已通过 .gitignore 排除）。

10. 标签

#NPU #Ascend #Ascend910 #timm #RegNetX #ImageClassification