timm/vgg13.tv_in1k on Ascend NPU

1. 简介

本项目将 timm/vgg13.tv_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。

• 模型来源：timm / torchvision 预训练 VGG13
• 任务类型：ImageNet-1K 图片分类（1000 类）
• 输入尺寸：224x224
• 适配方式：ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重

2. 验证环境

• NPU: Ascend910
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 适配 CANN 8.5.1

详细环境信息见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_671 (0.257235)
• Top-2: class_980 (0.210911)
• Top-3: class_970 (0.096933)
• Top-4: class_972 (0.057841)
• Top-5: class_701 (0.050274)

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_671
• NPU Top-1: class_671
• CPU Top-5: class_671, class_980, class_970, class_972, class_701
• NPU Top-5: class_671, class_980, class_970, class_972, class_701
• Top-1 match: True
• Top-5 match: True

5. 性能参考

在单卡 Ascend910 上，对 224x224 输入进行推理基准测试：

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 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope snapshot_download 自动下载，首次运行需要联网。
2. 严禁使用 timm.create_model(..., pretrained=True) 触发 HuggingFace 自动下载，本项目使用 pretrained=False + 本地权重加载。
3. 推理脚本默认使用 npu:0，如需切换设备请修改 inference.py 中的 .to("npu:0")。
4. 测试图片为随机下载的 400x300 图片，实际分类结果与图片内容相关。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification