timm/maxvit_xlarge_tf_224.in21k on Ascend NPU

1. 简介

本项目将 timm/maxvit_xlarge_tf_224.in21k 图片分类模型适配到华为昇腾 NPU (Ascend910)。

模型采用 MaxViT (Multi-Axis Vision Transformer) xlarge 架构，输入尺寸 224x224，在 ImageNet-21k 上预训练，输出 21843 类分类 logits。适配过程使用 timm.create_model(pretrained=False) 创建模型，通过 ModelScope snapshot_download 获取本地权重并加载，在昇腾 NPU 上完成推理验证、精度一致性检查和性能基准测试。

2. 验证环境

npu_available=True, device=Ascend910_9362

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_7741 (0.194100)
• Top-2: class_4773 (0.040868)
• Top-3: class_7759 (0.031068)
• Top-4: class_10255 (0.022308)
• Top-5: class_11352 (0.016718)

日志保存在 logs/inference.log。

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_7741
• NPU Top-1: class_7741
• CPU Top-5: class_7741, class_4773, class_7759, class_10255, class_11352
• NPU Top-5: class_7741, class_4773, class_7759, class_10255, class_11352
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试配置：单卡 Ascend910，batch_size=1，输入 3x224x224，预热 2 轮，正式测试 10 轮取平均。

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载（约 1.89GB），严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
• 推理脚本默认使用 npu:0，若环境只有单卡 NPU，会自动映射到可用设备。
• 首次运行需要下载模型权重，请确保网络可访问 modelscope.cn。
• 该模型为 ImageNet-21k 预训练，输出 21843 类而非 1000 类。

10. 标签

#NPU #Ascend #Ascend910 #timm #MaxViT #image-classification