timm/deit_base_distilled_patch16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/deit_base_distilled_patch16_224.fb_in1k (DeiT-Base distilled patch16 224, ImageNet-1k pretrained) 模型适配到昇腾 NPU (Ascend910)，使其可在单卡 NPU 上正常推理。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，无 HuggingFace 自动下载。

2. 验证环境

• 硬件：Ascend910 NPU
• OS：Linux aarch64
• Python：3.11
• PyTorch：2.x
• torch_npu：已安装
• timm：已安装
• 模型来源：ModelScope (timm/deit_base_distilled_patch16_224.fb_in1k)

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_657 (0.2966)
• Top-2: class_795 (0.1989)
• Top-3: class_744 (0.1311)
• Top-4: class_3 (0.0604)
• Top-5: class_974 (0.0363)

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：

• CPU Top-1: class_657
• NPU Top-1: class_657
• CPU Top-5: [657, 795, 744, 3, 974]
• NPU Top-5: [657, 795, 744, 3, 974]
• Top-1 match: True
• Top-5 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

截图保存在 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log：推理结果日志
• logs/accuracy.log：精度验证日志
• logs/benchmark.log：性能基准日志
• logs/env_check.log：环境检查日志

9. 注意事项

• 使用 pretrained=False + ModelScope 本地权重加载，避免 HuggingFace 自动下载
• 精度验证采用单图 smoke test，非官方完整验证集评测
• DeiT-Base distilled 模型含 distillation head，推理时仅使用分类 head

10. 标签

#NPU #Ascend #Ascend910 #DeiT #ImageClassification #timm