prithivMLmods/Watermark-Detection-SigLIP2 昇腾 NPU 适配

1. 模型信息

模型名称：prithivMLmods/Watermark-Detection-SigLIP2
模型来源：Hugging Face / Transformers
模型类型：图像二分类模型
任务类型：图像水印检测
模型结构：SigLIP2
输出类别数：2
标签类别：No Watermark、Watermark
推理框架：PyTorch + Transformers + torch-npu
运行设备：Ascend NPU
适配目标：完成 prithivMLmods/Watermark-Detection-SigLIP2 模型在昇腾 NPU 环境下的图像水印检测推理验证，并与 CPU 推理结果进行误差对比。

本项目面向昇腾 Model-Agent 模型适配大赛赛道一，完成 prithivMLmods/Watermark-Detection-SigLIP2 图像水印检测模型在 Ascend NPU 环境下的适配验证。项目基于 PyTorch、Transformers 和 torch-npu，实现模型加载、测试图片生成、CPU 推理、NPU 推理、Top-K 分类输出、CPU/NPU 输出一致性对比以及验证材料整理。

2. 项目说明

prithivMLmods/Watermark-Detection-SigLIP2 是一个图像二分类模型，用于判断输入图像是否带有水印。本项目使用固定测试图片 test.jpg 作为输入，分别在 CPU 与 Ascend NPU 上执行推理，并比较两端输出 logits 与 probability 是否一致。

本次适配重点包括：

在 Ascend NPU Notebook 环境中安装依赖；
从 Hugging Face 下载并加载 prithivMLmods/Watermark-Detection-SigLIP2 模型；
构造测试图片 test.jpg；
分别执行 CPU 与 NPU 图像水印检测推理；
保存 CPU/NPU 的 logits、probability 和 Top-K 分类结果；
对 CPU 与 NPU 输出进行误差对比；
保存日志、截图和适配报告，用于赛道一模型适配验证提交。

3. 工程结构

.
├── README.md
├── adaptation_report.md
├── download_model.sh
├── make_test_image.py
├── inference.py
├── compare_cpu_npu.py
├── requirements.txt
├── test.jpg
├── cpu_result.json
├── cpu_result.txt
├── npu_result.json
├── npu_result.txt
├── compare_result.txt
├── fusion_result.json
├── run.log
└── screenshots/
    ├── npu_env.png
    ├── npu_result.png
    └── compare_result.png

其中：

download_model.sh：模型下载脚本；
make_test_image.py：测试图片生成脚本；
inference.py：CPU/NPU 推理脚本；
compare_cpu_npu.py：CPU/NPU 输出误差对比脚本；
cpu_result.json：CPU 推理结构化结果；
cpu_result.txt：CPU 推理日志；
npu_result.json：NPU 推理结构化结果；
npu_result.txt：NPU 推理日志；
compare_result.txt：CPU/NPU 误差对比结果；
fusion_result.json：汇总结果文件；
run.log：完整运行日志；
adaptation_report.md：适配报告；
screenshots/：验证截图材料。

4. 环境检查

在 Ascend NPU Notebook 中执行以下命令检查运行环境：

npu-smi info
python --version
python - <<'PY'
import torch
print("torch:", torch.__version__)

try:
    import torch_npu
    print("torch_npu import success")
    print("npu available:", torch.npu.is_available())
except Exception as e:
    print("torch_npu import failed:", repr(e))
PY

环境检查截图保存为：

screenshots/npu_env.png

该截图用于证明当前运行环境存在 Ascend NPU，并记录 NPU 型号、运行状态和 Python 版本信息。

5. 模型下载

运行：

bash download_model.sh

模型来源为 Hugging Face：

prithivMLmods/Watermark-Detection-SigLIP2

模型文件下载完成后，推理脚本会加载模型并执行 CPU/NPU 前向推理。

6. 测试输入

本项目使用测试图片：

test.jpg

推理流程包括：

读取测试图片；
使用模型对应的图像预处理流程；
构造输入张量；
输入 Watermark-Detection-SigLIP2 图像二分类模型；
输出 2 维分类 logits；
计算 softmax probability；
输出 Top-2 分类结果。

输入张量形状为：

[1, 3, 224, 224]

7. CPU 推理

运行：

python inference.py --device cpu --image test.jpg --output cpu_result.json 2>&1 | tee cpu_result.txt

CPU 推理输出文件：

cpu_result.json
cpu_result.txt

CPU 推理日志摘要如下：

model: prithivMLmods/Watermark-Detection-SigLIP2
device: cpu
image: test.jpg
input_shape: [1, 3, 224, 224]
num_labels: 2
top_k: 2
elapsed_seconds: 2.179985

CPU Top-2 输出如下：

rank=1, index=1, label=Watermark, score=0.89404541, logit=1.02106118
rank=2, index=0, label=No Watermark, score=0.10595456, logit=-1.11168492

8. NPU 推理

运行：

python inference.py --device npu --image test.jpg --output npu_result.json 2>&1 | tee npu_result.txt

NPU 推理输出文件：

npu_result.json
npu_result.txt

NPU 推理日志摘要如下：

model: prithivMLmods/Watermark-Detection-SigLIP2
device: npu
image: test.jpg
input_shape: [1, 3, 224, 224]
num_labels: 2
top_k: 2
elapsed_seconds: 9.114350

NPU Top-2 输出如下：

rank=1, index=1, label=Watermark, score=0.89412946, logit=1.02058482
rank=2, index=0, label=No Watermark, score=0.10587058, logit=-1.11304843

NPU 推理结果截图保存为：

screenshots/npu_result.png

9. CPU/NPU 误差对比

运行：

python compare_cpu_npu.py --cpu cpu_result.json --npu npu_result.json 2>&1 | tee compare_result.txt

对比脚本会读取 CPU 与 NPU 的 logits 和 probability 输出，并计算：

CPU Top-2；
NPU Top-2；
CPU/NPU Top-1 是否一致；
CPU/NPU Top-2 顺序是否一致；
CPU/NPU Top-2 集合是否一致；
logits 最大绝对误差；
logits 平均绝对误差；
logits 余弦相似度；
probability 最大绝对误差；
probability 平均绝对误差；
Top-K probability 最大相对误差；
最终验证结论。

对比结果保存为：

compare_result.txt

10. 自验证结果

本次 prithivMLmods/Watermark-Detection-SigLIP2 适配验证的 CPU/NPU 误差结果如下：

指标	结果
类别数	`2`
Top-K	`2`
CPU Top-2	`[1, 0]`
NPU Top-2	`[1, 0]`
CPU Top-1	`Watermark`
NPU Top-1	`Watermark`
CPU/NPU Top-1 是否一致	`True`
CPU/NPU Top-2 顺序是否一致	`True`
CPU/NPU Top-2 集合是否一致	`True`
logits 最大绝对误差	`0.0013635159`
logits 平均绝对误差	`0.0009199381`
logits 余弦相似度	`0.9999997020`
probability 最大绝对误差	`0.0000840425`
probability 平均绝对误差	`0.0000840090`
Top-K probability 最大相对误差	`0.0007925614`
验证结论	`NPU inference passed`

对应的 compare_result.txt 内容如下：

CPU/NPU comparison for Ascend NPU adaptation

model: prithivMLmods/Watermark-Detection-SigLIP2
cpu_result: cpu_result.json
npu_result: npu_result.json
num_labels: 2
top_k: 2

Top-k consistency:
  CPU top2: [1, 0]
  NPU top2: [1, 0]
  top1_same: True
  top2_order_same: True
  top2_set_same: True

Numerical metrics:
  logit_max_abs: 0.0013635159
  logit_mean_abs: 0.0009199381
  logit_cosine_similarity: 0.9999997020
  probability_max_abs: 0.0000840425
  probability_mean_abs: 0.0000840090
  top5_probability_max_relative_error: 0.0007925614

Conclusion:
  NPU inference passed. CPU/NPU Top-k results are consistent and Top-k relative error is below 1%.

根据上述结果，CPU 与 NPU 的 Top-1 结果均为 Watermark，Top-2 顺序完全一致，Top-2 集合一致。logits 最大绝对误差为 0.0013635159，probability 最大绝对误差为 0.0000840425，logits 余弦相似度达到 0.9999997020，Top-K probability 最大相对误差为 0.0007925614，低于 1% 阈值。因此，本次 prithivMLmods/Watermark-Detection-SigLIP2 昇腾 NPU 推理验证通过。

11. 验证截图材料

11.1 NPU 环境截图

npu_env

该截图展示 Ascend NPU Notebook 环境、npu-smi info 输出和 Python 版本信息。

11.2 NPU 推理结果截图

npu_result

该截图展示 NPU 推理日志，包括模型名称、运行设备、输入图片、输入张量形状和 Top-2 分类结果。

11.3 CPU/NPU 误差对比截图

compare_result

该截图展示 CPU/NPU 输出误差对比结果，包括 Top-K 一致性、logits 误差、probability 误差和余弦相似度。

12. 运行日志与提交材料

本项目提交材料包括：

README.md
adaptation_report.md
download_model.sh
make_test_image.py
inference.py
compare_cpu_npu.py
requirements.txt
test.jpg
cpu_result.json
cpu_result.txt
npu_result.json
npu_result.txt
compare_result.txt
fusion_result.json
run.log
screenshots/npu_env.png
screenshots/npu_result.png
screenshots/compare_result.png

完整运行日志可查看：

run.log

CPU 推理日志可查看：

cpu_result.txt

NPU 推理日志可查看：

npu_result.txt

CPU/NPU 误差对比结果可查看：

compare_result.txt

13. 适配说明

本项目的适配工作包括：

在 Ascend NPU 环境中完成依赖安装；
编写 Hugging Face / Transformers 模型下载脚本；
加载 prithivMLmods/Watermark-Detection-SigLIP2 模型；
编写测试图片生成脚本；
编写 CPU/NPU 统一推理脚本；
支持测试图片输入和模型图像预处理；
保存 CPU 与 NPU 的结构化分类结果；
编写 CPU/NPU logits 和 probability 误差对比脚本；
计算 Top-1 一致性、Top-K 顺序一致性、Top-K 集合一致性、logits 误差、probability 误差和余弦相似度；
输出完整日志、截图和适配报告。

14. 结论

本项目完成了 prithivMLmods/Watermark-Detection-SigLIP2 模型在 Ascend NPU 环境下的图像水印检测推理适配验证。

验证结果表明，NPU 推理能够正常完成模型加载、图像预处理和 Top-2 分类输出。CPU 与 NPU 的 Top-1 结果均为 Watermark，Top-2 顺序完全一致，logits 余弦相似度达到 0.9999997020，probability 最大绝对误差为 0.0000840425，Top-K probability 最大相对误差为 0.0007925614，低于 1% 阈值，并通过验证。本项目可作为赛道一模型适配提交材料。