xcit_tiny_12_p8_384 昇腾 NPU 适配
模型介绍
XCiT (Cross-Covariance Image Transformer) 是一种基于交叉协方差注意力（Cross-Covariance Attention）的图像分类模型。xcit_tiny_12_p8_384 是 XCiT 系列中的最小模型变体，使用 patch size 为 8 的细粒度分块，输入分辨率为 384×384。
- 模型架构：XCiT-tiny (12 layers, 4 heads, 192 dim)
- 输入尺寸：384 × 384
- patch size：8 × 8
- 参数量：约 12M
- 预训练数据：ImageNet-1k
原始模型地址
- ModelScope: timm/xcit_tiny_12_p8_384.fb_dist_in1k
- HuggingFace: timm/xcit_tiny_12_p8_384.fb_dist_in1k
任务类型
图像分类（Image Classification）
模型框架
PyTorch + timm
依赖环境
| 依赖 | 版本要求 |
|---|---|
| Python | >= 3.9 |
| PyTorch | >= 2.0.0 |
| torch_npu | >= 2.0.0 |
| timm | >= 1.0.0 |
| modelscope | >= 1.0.0 |
推理结果
| 设备 | 平均推理耗时 (ms) | 吞吐量 (samples/sec) |
|---|---|---|
| CPU (Intel Xeon) | 716.71 | 1.40 |
| NPU (Ascend910B) | 13.05 | 76.65 |
NPU 推理速度约为 CPU 的 55 倍。
CPU/NPU 精度测试结果
| 指标 | 值 |
|---|---|
| Logits 最大绝对误差 | 4.523420e-02 |
| Logits 平均绝对误差 | 1.176702e-02 |
| 概率最大绝对误差 | 1.047324e-03 |
| 概率平均绝对误差 | 1.335657e-05 |
| Top-1 一致性 | 100% |
结论：NPU 与 CPU 推理结果误差 < 1%（最大概率误差为 0.1047%）。
精度结论
基于现有评测数据，CPU 与 NPU 的 最大相对误差 精度误差为 0.0452%，小于 1% 的精度要求。
运行截图
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
- #+XCiT