timm/deit3_base_patch16_224.fb_in22k_ft_in1k on Ascend NPU

1. 简介

将 timm 预训练视觉模型 deit3_base_patch16_224.fb_in22k_ft_in1k（DeiT3 Base，ImageNet-22k 预训练后微调至 ImageNet-1k）适配到单卡昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，不使用 HuggingFace 直连下载。

2. 验证环境

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

输出示例：

Top-1: class_549 (0.0308)
Top-2: class_399 (0.0189)
Top-3: class_700 (0.0185)
Top-4: class_21 (0.0126)
Top-5: class_473 (0.0115)

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_549
• NPU Top-1: class_549
• CPU Top-5: class_549, class_399, class_700, class_21, class_473
• NPU Top-5: class_549, class_399, class_700, class_21, class_473
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch=1, 224x224 输入, 2 次预热 + 10 次正式测试, Ascend910 单卡。

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 精度一致性验证日志
• logs/benchmark.log - 性能基准测试日志
• logs/env_check.log - 环境检查日志

9. 注意事项

• 使用 pretrained=False + 本地权重加载，不使用 HuggingFace 自动下载
• 权重文件（.safetensors / .bin）不提交到仓库
• 本验证为单图 smoke test，非 ImageNet 完整验证集评测
• DeiT3 Base 为 Vision Transformer 架构，86.5M 参数，ImageNet-22k 预训练后微调

10. 标签

#NPU