vit-face-expression on Ascend NPU

1. 简介

本文档记录 vit-face-expression（ViT 面部表情分类模型）在昇腾 NPU（Ascend 910B3）环境的适配部署与精度验证结果。

vit-face-expression 基于 Vision Transformer（ViT-Base）架构，参数量约 86.4M，对人脸图像进行表情分类。本项目完成该模型在昇腾 NPU 上的推理适配，验证 NPU 与 CPU 推理结果的精度误差 < 1%。

相关获取地址：

• 权重下载地址（HuggingFace）：https://huggingface.co/google/vit-base-patch16-224-in21k

• 适配代码仓库：https://gitcode.com/dingdang666/vit-face-expression-NPU

2. 验证环境

• NPU：Ascend 910B3（8卡）
• 模型路径：/path/to/model
• 框架：PyTorch + transformers

3. 模型信息

4. Conda 环境安装

conda create -n vit-expr python=3.11 -y
conda activate vit-expr
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 safetensors pillow --index-url https://repo.huaweicloud.com/repository/pypi/simple/

5. 推理执行

python3 inference.py --model_path /path/to/model --image_path /path/to/img.jpg
python3 inference.py ... --device cpu
python3 benchmark.py --model_path /path/to/model

6. 参数说明

7. 精度评测

使用同一测试图像在 CPU（FP32）和 NPU（FP32）上推理，对比分类 logits。

8. 性能数据

9. 注意事项

1. 如果 HuggingFace 无法访问，设置 export HF_ENDPOINT=https://hf-mirror.com/。
2. NPU 首次推理包含编译优化，脚本默认 3 轮预热。
3. 权重文件不包含在适配仓库中，需单独下载。