cv_forest_pest_detection-npu
概述
森林害虫识别模型，基于 ViT (Vision Transformer) 架构，适配 Ascend NPU (Ascend910) 进行推理。
- 原始模型: cubeai/cv_forest_pest_detection
- 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: 99 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 | 669.63 ms | ActiasDubernardiOberthur | N/A |
| NPU | 176.88 ms | ActiasDubernardiOberthur | N/A |
NPU 加速比约为 3.79x。
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 | 669.63 ms |
| NPU 推理时间 | 176.88 ms |
| NPU 加速比 | 3.79x |
| Top-1 匹配 | 是 |
| Max Logits Absolute Error | 0.0033094584941864014 |
| Mean Logits Absolute Error | 0.001027516438625753 |
| Max Probability Absolute Error | 5.0008296966552734e-05 |
| Mean Probability Absolute Error | 1.8685170743992785e-06 |
| Cosine Similarity (Logits) | 0.9999984502792358 |
| L2 Error (Logits) | 0.0012934280093759298 |
| 最大概率误差 | 0.005% |
结论：NPU 与 CPU 推理结果误差 < 1%（最大概率误差为 0.005%），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 0.0002%，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