C-RADIOv2-B 在昇腾 NPU 上的部署

1. 简介

本文档记录 C-RADIOv2-B（NVIDIA C-RADIOv2 视觉编码器）在昇腾 NPU（Ascend 910B3）环境的适配部署与精度验证结果。

C-RADIOv2-B 是基于 AM-RADIO 架构的视觉编码器（约 98M 参数），输入 432×432 分辨率，输出 2304 维 summary token 和 768 维空间特征。本项目完成该模型在昇腾 NPU 上的推理适配，验证 NPU 与 CPU 结果的精度误差 < 1%。

2. 验证环境

组件	版本
`python`	`3.11.x`
`torch` / `torch_npu`	`2.10.0`
`transformers`	`5.8.1`
`timm` / `einops`	`1.0.27` / `0.8.2`
`CANN`	`8.5.1`

3. 模型信息

项目	值
架构	RADIO v2 (ViT-based)
参数量	~98M
Summary/空间特征	2304 / 768 维
输入尺寸	3×432×432
框架	transformers trust_remote_code

4. Conda 环境安装

conda create -n cradio python=3.11 -y
conda activate cradio
pip install torch==2.10.0 torchvision==0.25.0 --index-url https://repo.huaweicloud.com/repository/pypi/simple/
pip install torch_npu==2.10.0 --index-url https://repo.huaweicloud.com/repository/pypi/simple/
pip install transformers timm einops safetensors pillow --index-url https://repo.huaweicloud.com/repository/pypi/simple/

5. 推理执行

python3 inference.py --model_path /path/to/C-RADIOv2-B --image_path /path/to/img.jpg
python3 benchmark.py --model_path /path/to/C-RADIOv2-B

6. 精度评测

输出	相对误差	余弦相似度	SNR
summary	0.705%	0.999975	43.03 dB
spatial	0.622%	0.999983	44.12 dB

指标	实测	阈值	状态
最差相对误差	0.71%	< 1%	PASS

7. 性能数据

操作	耗时
CPU	0.49s
NPU	0.26s
加速比	1.90x

8. 注意事项

与 RADIO-B 同架构，输入分辨率更高（432×432）。
依赖 timm + einops。