facebook/levit-384 on Ascend NPU

1. 简介

将 HuggingFace 图片分类模型 facebook/levit-384 适配为可在单卡昇腾 NPU（Ascend910B4）上运行的提交工程。

• 模型类型: LevitForImageClassificationWithTeacher
• 说明: 该模型包含蒸馏头（distillation head），outputs.logits 为学生模型分类 logits，outputs.teacher_logits 为教师模型输出（本适配未使用）
• 参数量: 39,128,836
• 图片分类模型: ImageNet-1K 1000 类

2. 验证环境

3. 推理运行

依赖安装

pip install -r requirements.txt
# torch_npu 通常由昇腾容器提供，无需单独安装

运行推理

# 设置 HF 镜像（如需要）
export HF_ENDPOINT=https://hf-mirror.com

# 运行推理
python inference.py

日志路径

• 推理日志: logs/inference.log
• 预测结果: logs/prediction.txt

4. Smoke 验证

torch.npu.is_available(): True
NPU: Ascend910B4
模型类型: LevitForImageClassificationWithTeacher
说明: outputs.logits 为学生模型分类 logits（含 distillation head）

Top-1: coyote, prairie wolf, brush wolf, Canis latrans (0.9311)
Top-2: red wolf, maned wolf, Canis rufus, Canis niger (0.0526)
Top-3: timber wolf, grey wolf, gray wolf, Canis lupus (0.0068)
Top-4: grey fox, gray fox, Urocyon cinereoargenteus (0.0020)
Top-5: dhole, Cuon alpinus (0.0019)

5. 性能参考

6. 精度评测

CPU vs NPU 一致性验证（smoke accuracy，非官方 ImageNet 精度）：

7. 自验证截图

见 screenshots/self_verification.png

8. 日志文件

9. 注意事项

• 本模型为 LevitForImageClassificationWithTeacher，包含蒸馏头。outputs.logits 为学生模型分类 logits，outputs.teacher_logits 为教师模型输出（本适配未使用）。所有日志和 README 中均已说明。
• Processor 使用 LevitImageProcessor（slow processor），HuggingFace 建议未来版本可使用 fast processor
• 测试图片为真实下载图片（非占位图）
• HuggingFace 官方源超时，使用 hf-mirror.com 镜像下载模型

10. 标签

#NPU