timm/eva_giant_patch14_560.m30m_ft_in22k_in1k on Ascend NPU

1. 简介

本项目将 timm/eva_giant_patch14_560.m30m_ft_in22k_in1k（EVA-Giant，1.01B 参数）适配到华为昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

• 模型参数量：1,014,447,464（1.01B）
• 输入分辨率：3×560×560
• 输出维度：1000 类（ImageNet-1k）

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python download_test_image.py
python inference.py

推理结果（单张测试图片）：

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：

• CPU Top-1: class_967
• NPU Top-1: class_967
• CPU Top-5: class_967, class_968, class_504, class_990, class_550
• NPU Top-5: class_967, class_968, class_504, class_990, class_550
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch=1，单卡 NPU，预热 2 次 + 正式 10 次。

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

参见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

• 本模型为 EVA-Giant（1.01B 参数），输入分辨率 560×560，单次 CPU 推理约 90s
• 使用 timm.data.resolve_model_data_config 自动生成预处理（bicubic 插值，ImageNet 标准均值/标准差）
• 权重来源：ModelScope snapshot_download，不使用 HuggingFace 直连
• 不提交权重文件（*.safetensors, *.bin 等）

10. 标签

#NPU #Ascend910 #EVA #timm #image-classification