w
gcw_uQ09W7jl/timm-swinv2_tiny_window8_256.ms_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/swinv2_tiny_window8_256.ms_in1k on Ascend NPU

1. 简介

本项目将 timm/swinv2_tiny_window8_256.ms_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • NPU: Ascend910
  • CANN: 8.5.1
  • torch: 2.x
  • torch_npu: 适配 CANN 8.5.1
  • Python: 3.11

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_477 (0.518382)
  • Top-2: class_623 (0.038227)
  • Top-3: class_777 (0.020415)
  • Top-4: class_823 (0.015435)
  • Top-5: class_696 (0.014602)

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：

指标数值
max_abs_error0.009678
mean_abs_error0.001751
relative_error0.3722%
cosine_similarity0.999996
threshold1.0%
结果PASS
  • CPU Top-1: class_477
  • NPU Top-1: class_477
  • CPU Top-5: class_477, class_623, class_777, class_823, class_696
  • NPU Top-5: class_477, class_623, class_777, class_823, class_696
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms12.914
min_latency_ms12.326
max_latency_ms13.269
p50_latency_ms13.084
p90_latency_ms13.269
p95_latency_ms13.269
images_per_sec77.44

日志保存在 logs/benchmark.log。

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

  • logs/env_check.log — NPU 环境检查
  • logs/inference.log — 推理结果
  • logs/accuracy.log — CPU-NPU 精度一致性
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 权重通过 ModelScope 下载，请勿将权重文件提交到 Git 仓库。
  • 首次运行会自动下载模型权重，请确保网络畅通。
  • 模型输入尺寸为 256x256。

10. 标签

#NPU