timm/eva02_large_patch14_448.mim_m38m_ft_in22k_in1k on Ascend NPU

1. 简介

本项目将 ModelScope 图片分类模型 timm/eva02_large_patch14_448.mim_m38m_ft_in22k_in1k 适配为可在单卡华为昇腾 NPU（Ascend910）上运行的推理工程。

模型说明：

• 架构：EVA-02 Large (Vision Transformer)
• 输入分辨率：448x448
• 预训练：ImageNet-22k (via MIM, 38M masked image modeling)
• Fine-tune：ImageNet-1k
• 输出类别数：1000

适配要点：

• 使用 ModelScope snapshot_download 作为主下载方式
• 使用 timm.create_model(pretrained=False) 创建模型结构，并加载本地权重
• 不使用 HuggingFace 直连下载，无 fallback
• 使用 timm.data.resolve_model_data_config 自动解析预处理配置

2. 验证环境

环境检查日志：logs/env_check.log

3. 推理运行

pip install -r requirements.txt
python inference.py

推理流程：

1. model_utils.py 通过 ModelScope 下载模型权重到本地缓存
2. timm.create_model(..., pretrained=False) 初始化模型结构
3. 加载本地 .safetensors 权重（missing=0, unexpected=0）
4. 迁移模型至 npu:0
5. 对测试图片进行 448x448 预处理后推理
6. 输出 Top-5 分类结果

示例输出：

Top-1: class_978: 0.363622
Top-2: class_718: 0.043712
Top-3: class_460: 0.032092
Top-4: class_536: 0.023921
Top-5: class_977: 0.009449

日志文件：logs/inference.log

4. Smoke 验证

python eval_accuracy.py

对比 CPU 与 NPU 推理结果的一致性：

说明：本验证为 Smoke Consistency 检查，非官方 ImageNet 精度评测。

日志文件：logs/accuracy.log

5. 性能参考

python benchmark.py

测试条件：预热 2 次 + 正式 10 次，单张 448x448 图片，batch=1。

日志文件：logs/benchmark.log

6. 精度评测

本项目未在完整 ImageNet-1k 验证集上运行，仅提供单图 Smoke Consistency 验证。如需正式精度评测，请下载 ImageNet-1k 验证集并运行批量推理。

7. 自验证截图

• 文本摘要：screenshots/self_verification.txt
• 截图文件：screenshots/self_verification.png

内容包含：NPU 环境信息、推理结果、精度对比摘要、性能基准摘要。

8. 日志文件

9. 注意事项

1. 权重下载：首次运行会通过 ModelScope 自动下载模型权重（约 1.1 GB），缓存目录为 ~/.cache/modelscope/hub/。
2. 显存占用：EVA-02 Large 为大型 ViT 模型，448x448 分辨率下单卡推理约占用数 GB HBM，请确保 NPU 显存充足。
3. 预处理：本工程使用 timm.data.resolve_model_data_config 自动获取模型对应的预处理参数（mean、std、crop 尺寸等），无需手动硬编码。
4. 不提交权重：本项目 .gitignore 已排除所有权重文件，请勿将 .safetensors、.bin、.pth 等文件提交到仓库。
5. HuggingFace：本工程不使用 HuggingFace 自动下载，完全依赖 ModelScope 获取权重。

10. 标签

#NPU #Ascend #timm #image-classification #EVA02