Freepik/nsfw_image_detector 是基于 EVA-02(ViT,86M 参数)微调的 NSFW 图像分类模型,
输出 4 级分类概率:neutral / low / medium / high,可灵活选择敏感度阈值。
本项目完成其在**华为昇腾 NPU(Ascend 910B)**上的推理适配与验证。
| 项目 | 说明 |
|---|---|
| 模型架构 | TimmWrapperForImageClassification(timm_wrapper,EVA-02-base) |
| 参数量 | 86M |
| 输入尺寸 | 448×448 |
| 输出类别 | neutral / low / medium / high(4 级) |
| 权重格式 | safetensors(165MB) |
| 支持任务 | NSFW 内容分级检测 |
| 项目 | 要求 |
|---|---|
| 硬件 | Ascend 910B 系列(≥1 卡) |
| CANN | ≥ 8.0(source /usr/local/Ascend/ascend-toolkit/set_env.sh) |
| Python | 3.10 – 3.11 |
| torch / torch_npu | 2.9.0 / 2.9.0.post1 |
| transformers | ≥ 4.30 |
| timm | ≥ 1.0(预处理需要) |
source /usr/local/Ascend/ascend-toolkit/set_env.sh
export PIP_INDEX_URL=https://repo.huaweicloud.com/repository/pypi/simple/
pip install torch_npu==2.9.0.post1 transformers pillow safetensors timm \
-i https://repo.huaweicloud.com/repository/pypi/simple/权重通过 HuggingFace 镜像获取:
git clone --depth 1 https://hf-mirror.com/Freepik/nsfw_image_detector model_src权重目录包含:model.safetensors(165MB)/ config.json / README.md。
cd /workspace/nsfw_image_detector
python3 inference.py --model_path ./model_src --image 图片.png --device npu:0| 参数 | 说明 | 默认值 |
|---|---|---|
--model_path | 模型权重目录 | ./model_src |
--image | 输入图片(真实图片,必选) | - |
--device | 推理设备(npu:0 / cpu) | npu:0 |
--output | 结果保存文件(可选) | stdout |
设备解析:NPU 优先,自动回退 CPU。
输入:FairFace 数据集真实人脸照片(448×448)
模型输出(softmax 概率):
[info] 预测类别: neutral (置信度 0.9969)
neutral: 0.9969 <--
low: 0.0001
medium: 0.0002
high: 0.0028模型正确判定普通照片为 neutral(SFW),4 级概率分布正常输出,NPU 推理链路完整跑通。
timm_wrapper 架构(EVA-02),无标准 AutoImageProcessor,
必须用 timm 的 create_transform + resolve_data_config 构建预处理
(448×448,EVA02 归一化),直接调用 AutoImageProcessor 会报
Could not load any image processor class。pixel_values(原始 EVA02 预处理后的 tensor),非标准 model(**inputs) 接口。.to(npu) 迁移即可。resolve_device():NPU 可用性检测,失败自动回退 CPU。*.safetensors / *.bin 已加入 .gitignore,
仓库仅包含推理脚本、模型卡片与截图素材。.
├── README.md # 模型卡片(本文件)
├── inference.py # NPU 推理脚本
└── assets/ # 适配过程截图素材