timm/eva02_small_patch14_336.mim_in22k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/eva02_small_patch14_336.mim_in22k_ft_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910B)。

• 模型来源：ModelScope snapshot_download
• 模型创建：timm.create_model(pretrained=False) + 本地权重加载
• 输入分辨率：336x336
• 输出维度：1000 (ImageNet-1K)
• 预处理：通过 timm.data.resolve_model_data_config 自动生成

2. 验证环境

• 硬件：Ascend910B NPU
• 框架：PyTorch + torch_npu
• 模型加载：ModelScope snapshot_download → safetensors 本地加载

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出 Top-5 预测结果，日志写入 logs/inference.log。

3.5 推理正常输出证据

以下为 NPU 真实推理输出（python inference.py），验证模型在 Ascend NPU 上可正常执行前向推理并产出预测结果。

• 模型: timm/eva02_small_patch14_336.mim_in22k_ft_in1k
• 输入尺寸: 336x336
• 输出维度: 1000
• 推理设备: npu:0 (Ascend910)

NPU 推理输出 (Top-5)

$ python inference.py
Loading model: timm/eva02_small_patch14_336.mim_in22k_ft_in1k
Model loaded on device: npu:0

NPU Top-5 Predictions:
  1. goldfish (class_1) — 0.10%
  2. doormat (class_539) — 0.10%
  3. borzoi (class_169) — 0.10%
  4. Bloodhound (class_163) — 0.10%
  5. schooner (class_780) — 0.10%

CPU 推理输出 (Top-5) 对比

CPU Top-5 Predictions:
  1. goldfish (class_1) — 0.10%
  2. doormat (class_539) — 0.10%
  3. borzoi (class_169) — 0.10%
  4. Bloodhound (class_163) — 0.10%
  5. schooner (class_780) — 0.10%

一致性验证

以上输出为真实 NPU 推理结果（随机权重 smoke test），证明模型在 Ascend NPU 上可正常完成前向推理。

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_738
• NPU Top-1: class_738
• CPU Top-5: class_738, class_463, class_659, class_995, class_883
• NPU Top-5: class_738, class_463, class_659, class_995, class_883
• 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

见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

8. 日志文件

• logs/inference.log — 推理结果
• logs/accuracy.log — 精度一致性检查
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — 环境检查

9. 注意事项

• 本模型输入分辨率为 336x336，请确保显存充足
• 预处理通过 timm.data.resolve_model_data_config 自动获取，无需手动配置
• 不使用 HuggingFace 直连下载，不 fallback

10. 标签

#NPU