timm/davit_base.msft_in1k on Ascend NPU

1. 简介

本项目将 ModelScope 图片分类模型 timm/davit_base.msft_in1k 适配为可在单卡昇腾 NPU（Ascend910）上运行的提交工程。

• 模型来源：ModelScope (timm/davit_base.msft_in1k)
• 模型架构：DaVit (Dual-Attention Vision Transformer)
• 权重加载：timm.create_model(pretrained=False) + ModelScope snapshot_download 本地权重
• 输入尺寸：224x224
• 输出类别：1000 (ImageNet-1k)

2. 验证环境

详见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理脚本通过 model_utils.py 统一加载模型，自动完成：

1. ModelScope 下载权重到本地缓存
2. timm.create_model(..., pretrained=False) 创建结构
3. 加载本地 .safetensors 权重
4. 使用 timm.data.resolve_model_data_config 获取预处理配置
5. 在 npu:0 上执行真实推理

4. Smoke 验证

运行 python eval_accuracy.py 对比 CPU 与 NPU 推理结果：

说明：此验证为 smoke consistency 测试，非官方 ImageNet 精度评测。

5. 性能参考

运行 python benchmark.py（预热 2 次，正式 10 次）：

详见 logs/benchmark.log。

6. 精度评测

本项目未进行完整的 ImageNet-1k 官方精度评测，仅提供了 CPU/NPU 一致性 smoke 测试。如需完整精度评测，请使用标准 ImageNet 验证集运行 timm 官方评估脚本。

7. 自验证截图

关键验证信息已汇总至 screenshots/self_verification.txt 与 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

1. 不提交权重：.gitignore 已排除 *.bin、*.safetensors、*.pth、*.pt、*.ckpt、*.onnx 等权重文件。
2. 不 HuggingFace 直连：所有权重通过 ModelScope snapshot_download 获取，timm.create_model 使用 pretrained=False。
3. 不 fallback：若 ModelScope 下载失败或权重不匹配，脚本会明确报错并停止。
4. NPU 要求：需在单卡 Ascend910 环境运行，并安装 torch_npu。

10. 标签

#NPU