timm/deit3_base_patch16_224.fb_in1k on Ascend NPU

1. 简介

将 timm 框架下的 DeiT3 Base 模型 (deit3_base_patch16_224.fb_in1k) 适配到华为昇腾 NPU (Ascend910B)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建结构并加载本地权重，无需 HuggingFace 直连。

2. 验证环境

• 硬件：华为昇腾 NPU (Ascend910B)
• 框架：PyTorch + torch_npu
• 模型：deit3_base_patch16_224.fb_in1k（ViT-Base，Patch16，224x224，1000 类）
• 权重：ModelScope snapshot_download (model.safetensors, 330MB)

3. 推理运行

python inference.py

输出示例（随机测试图片）：

Top-5 predictions:
  1. class_0460 (39.27%)
  2. class_0565 (9.91%)
  3. class_0547 (9.18%)
  4. class_0920 (7.36%)
  5. class_0525 (6.07%)

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_0460
• NPU Top-1: class_0460
• Top-1 match: True

5. 性能参考

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

详见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log — 推理输出日志
• logs/accuracy.log — CPU-NPU 精度一致性检查日志
• logs/benchmark.log — 性能基准测试日志

9. 注意事项

• 使用 timm.create_model(pretrained=False) + ModelScope 本地权重，不使用 HuggingFace 直连下载
• 不提交权重文件（*.safetensors, *.bin 等已 gitignore）
• 精度验证为单图 smoke check，非 ImageNet 完整评测

10. 标签

#NPU