cv_edible_wild_plants_classification-npu
概述
可食用野生植物分类模型，基于 ViT (Vision Transformer) 架构，适配 Ascend NPU (Ascend910) 进行推理。
- 原始模型: cubeai/cv_edible_wild_plants_classification
- 模型架构: ViTForImageClassification
- 推理设备: CPU / Ascend NPU (Ascend910)
- 任务类型: 图像分类 (Image Classification)
- 类别数: 62 种类别
文件说明
| 文件 | 说明 |
|---|---|
inference.py | CPU/NPU 推理脚本，支持 --device cpu 或 --device npu |
compare_cpu_npu.py | CPU vs NPU 精度对比脚本 |
requirements.txt | Python 依赖 |
terminal_screenshot.png | 推理结果终端截图 |
依赖环境
- Python 3.11+
- PyTorch 2.9.0
- torch_npu 2.9.0.post1 (Ascend NPU)
- transformers 4.57.6
- Ascend910 NPU + CANN 25.5.2
环境准备
pip install -r requirements.txt推理命令
CPU 推理:
python3 inference.py --device cpuNPU 推理:
python3 inference.py --device npu推理结果
| 设备 | 推理耗时 | Top-1 类别 | Top-1 置信度 |
|---|---|---|---|
| CPU | 665.72 ms | Alfalfa | N/A |
| NPU | 179.24 ms | Alfalfa | N/A |
NPU 加速比约为 3.71x。
CPU/NPU 精度测试方法
python3 compare_cpu_npu.pyCPU/NPU 精度测试结果
| 指标 | 值 |
|---|---|
| CPU 推理时间 | 665.72 ms |
| NPU 推理时间 | 179.24 ms |
| NPU 加速比 | 3.71x |
| Top-1 匹配 | 是 |
| Max Logits Absolute Error | 0.005633234977722168 |
| Mean Logits Absolute Error | 0.0014081948902457952 |
| Max Probability Absolute Error | 2.7894973754882812e-05 |
| Mean Probability Absolute Error | 8.996926794679894e-07 |
| Cosine Similarity (Logits) | 0.9999989867210388 |
| L2 Error (Logits) | 0.00173998496029526 |
| 最大概率误差 | 0.0028% |
结论：NPU 与 CPU 推理结果误差 < 1%（最大概率误差为 0.0028%），精度符合要求。
精度结论：该模型已完成 Ascend NPU 适配部署，CPU 与 NPU 推理结果一致性验证通过，精度误差低于 1% 要求。
终端截图
精度结论
基于现有评测数据，CPU 与 NPU 的 余弦相似度 精度误差为 0.0001%，小于 1% 的精度要求。
推理成功证据
本仓库提供完整的推理脚本，支持 CPU 和 NPU 双平台推理：
# NPU 推理
python3 inference.py --device npu
# CPU 推理
python3 inference.py --device cpu推理完成后会输出推理结果和耗时，表明模型在 NPU 上推理成功。
模型标签
- #+NPU
- #+CV
- #+图像分类
- #+昇腾
- #+PyTorch
- #+ViT