z
zhangyuge147/timm-resnet101.a1_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/resnet101.a1_in1k on Ascend NPU

1. 简介

本项目将 timm/resnet101.a1_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。

模型来源：ModelScope (timm/resnet101.a1_in1k) 适配方式：timm.create_model(..., pretrained=False) + snapshot_download 本地权重加载

2. 验证环境

  • NPU: Ascend910
  • CANN: 8.5.1
  • PyTorch: (see requirements.txt)
  • torch_npu: available

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_21 (0.014187)
  • Top-2: class_549 (0.013783)
  • Top-3: class_405 (0.012120)
  • Top-4: class_650 (0.010780)
  • Top-5: class_626 (0.010316)

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_error0.016820
mean_abs_error0.004142
relative_error0.0578%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_21
  • NPU Top-1: class_21
  • CPU Top-5: class_21, class_549, class_405, class_650, class_626
  • NPU Top-5: class_21, class_549, class_405, class_650, class_626
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
warmup2
runs10
avg_latency0.010561s
min_latency0.010413s
max_latency0.010732s
p50_latency0.010549s
p90_latency0.010732s
p95_latency0.010732s
images_per_sec94.69

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 — 精度一致性验证
  • logs/benchmark.log — 性能基准测试
  • logs/env_check.log — NPU 环境检查

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存目录，不随代码仓库提交。
  2. 运行前请确保 NPU 驱动和 CANN 工具链已正确安装。
  3. 首次运行 modelscope 下载权重可能需要几分钟。

10. 标签

#NPU #Ascend #Ascend910 #timm #resnet101 #image-classification