g
gyccc/timm-deit_tiny_patch16_224.fb_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/deit_tiny_patch16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm 预训练模型 deit_tiny_patch16_224.fb_in1k（DeiT-Tiny，Patch16，224x224，ImageNet-1K）适配到华为昇腾 NPU（Ascend910）上运行，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

  • 模型来源：ModelScope timm/deit_tiny_patch16_224.fb_in1k
  • 模型结构：DeiT-Tiny，ViT 架构，16x16 patch，输入 224x224，输出 1000 类
  • 权重加载：timm.create_model(pretrained=False) + ModelScope snapshot_download 本地权重

2. 验证环境

项目信息
硬件华为昇腾 910 (Ascend910_9362)
框架PyTorch + torch_npu
timm 版本1.0.27
适配方式ModelScope snapshot_download + 本地权重加载

3. 推理运行

python inference.py

推理结果（Top-5）：

排名类别概率
1class_9790.2013
2class_9700.1956
3class_9800.0640
4class_9750.0582
5class_9760.0574

输出 shape: [1, 1000]

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.023531
mean_abs_error0.003190
relative_error0.4602%
cosine_similarity0.999994
threshold1.0%
结果PASS
  • CPU Top-1: class_979
  • NPU Top-1: class_979
  • CPU Top-5: [979, 970, 980, 975, 976]
  • NPU Top-5: [979, 970, 980, 975, 976]
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg5.31 ms
min5.23 ms
max5.41 ms
p505.30 ms
p905.34 ms
p955.38 ms
throughput188.49 images/sec

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 — 推理结果日志
  • logs/accuracy.log — 精度验证日志
  • logs/benchmark.log — 性能基准日志

9. 注意事项

  • 本项目使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) 加载本地权重，不使用 pretrained=True
  • 未提交任何权重文件（*.bin, *.safetensors 等）
  • 精度验证为单图 smoke test，非完整验证集评测

10. 标签

#NPU