timm/swinv2_cr_small_ns_224.sw_in1k on Ascend NPU

1. 简介

本项目将 timm/swinv2_cr_small_ns_224.sw_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。

模型采用 Swin Transformer V2 架构，输入尺寸 224x224，输出 1000 类 ImageNet 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_923 (0.440450)
• Top-2: class_966 (0.062411)
• Top-3: class_666 (0.051956)
• Top-4: class_964 (0.048409)
• Top-5: class_927 (0.038936)

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_923
• NPU Top-1: class_923
• CPU Top-5: class_923, class_966, class_666, class_964, class_927
• NPU Top-5: class_923, class_966, class_666, class_964, class_927
• 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，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（约 190MB），请确保网络可访问 modelscope.cn。

10. 标签

#NPU #Ascend #Ascend910 #timm #SwinTransformerV2 #image-classification