timm/vgg19.tv_in1k on Ascend NPU

1. 简介

本项目将 timm/vgg19.tv_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

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

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_499 (0.0250)
• Top-2: class_623 (0.0241)
• Top-3: class_111 (0.0173)
• Top-4: class_813 (0.0154)
• Top-5: class_534 (0.0136)

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_499
• NPU Top-1: class_499
• CPU Top-5: class_499, class_623, class_111, class_813, class_534
• NPU Top-5: class_499, class_623, class_111, class_813, class_534
• 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 和 screenshots/self_verification.txt。

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

• 必须使用 pretrained=False 并通过 ModelScope 下载本地权重，严禁 HuggingFace 自动下载。
• 权重文件（*.bin, *.safetensors, *.pth 等）已加入 .gitignore，不会提交到仓库。
• 测试图片为占位图，实际使用时替换为真实图片即可。

10. 标签

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