timm/regnety_320.tv2_in1k on Ascend NPU

1. 简介

本项目将 timm/regnety_320.tv2_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，通过 timm.create_model(..., pretrained=False) 加载本地权重，完成推理验证、CPU-NPU 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: class_644 (0.0230)
• Top-2: class_549 (0.0133)
• Top-3: class_512 (0.0120)
• Top-4: class_600 (0.0114)
• Top-5: class_769 (0.0109)

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: class_644
• NPU Top-1: class_644
• CPU Top-5: class_644, class_549, class_512, class_600, class_769
• NPU Top-5: class_644, class_549, class_512, class_600, class_769
• 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 — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — 环境检查

9. 注意事项

• 权重通过 ModelScope 自动下载到本地缓存，首次运行需要联网。
• 严禁使用 pretrained=True 从 HuggingFace 自动下载。
• 测试图片为占位图（网络不可用），实际推理结果仅作 smoke test 参考。

10. 标签

#NPU #Ascend #Ascend910 #timm #regnety