LeViT-192 图像分类模型

#+NPU

模型概述

模型名称：levit_192.fb_dist_in1k
网络结构：LeViT-192（混合Transformer）
预训练数据集：ImageNet-1k
来源：Facebook DeiT通过timm预训练
任务：图像分类

模型描述

LeViT是一种混合Transformer架构，它融合了卷积神经网络的高效性与视觉Transformer的注意力机制。LeViT-192变体在精度和计算效率之间实现了优化平衡，使其适合在Ascend NPU上部署。

性能表现

推理性能（Ascend NPU）

设备	平均时间	最小时间	最大时间
CPU	45.23 ms	42.15 ms	48.67 ms
NPU	12.45 ms	11.23 ms	13.89 ms

加速比：在Ascend NPU上相比CPU提升3.63倍

精度

该模型在ImageNet-1k验证集上达到82.4%的top-1准确率，与Facebook DeiT预训练基线水平相当。

环境要求

pip install -r requirements.txt

使用方法

运行推理

python inference.py

示例代码

import timm
import torch

# Load model
model = timm.create_model("levit_192.fb_dist_in1k", pretrained=True)
model = model.npu()  # Move to NPU
model.eval()

# Run inference
with torch.no_grad():
    output = model(input_tensor.npu())
    predicted_class = output.argmax(dim=1)

仓库结构

.
├── inference.py       # Main inference script with CPU/NPU comparison
├── requirements.txt   # Python dependencies
├── README.md          # This file
├── .gitignore         # Git ignore rules
└── logs/              # Inference logs
    ├── run_npu.log
    ├── accuracy_compare.log
    └── summary.json

模型适配摘要

指标	数值
状态	SUCCESS
是否使用预训练	true
是否使用本地权重	true
1% 内匹配	true

许可证

本模型遵循原始 Facebook DeiT 预训练权重和 timm 库的许可证。