timm/maxvit_tiny_tf_224.in1k on Ascend NPU

1. 简介

本项目将 timm/maxvit_tiny_tf_224.in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，不使用 HuggingFace 直连下载。

2. 验证环境

• 硬件: 华为昇腾 910 NPU
• CANN: 8.5.1
• PyTorch: 2.x + torch_npu
• timm: 最新版
• Python: 3.11

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_939 (0.0012)
• Top-2: class_549 (0.0012)
• Top-3: class_111 (0.0012)
• Top-4: class_21 (0.0012)
• Top-5: class_908 (0.0012)

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_939
• NPU Top-1: class_939
• CPU Top-5: class_939, class_549, class_111, class_21, class_908
• NPU Top-5: class_939, class_549, class_111, class_21, class_908
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1, input 224x224, 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

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

8. 日志文件

• logs/inference.log - 推理结果
• logs/accuracy.log - 精度验证
• logs/benchmark.log - 性能基准
• logs/env_check.log - 环境信息

9. 注意事项

• 使用 ModelScope 下载权重，不依赖 HuggingFace Hub
• 模型结构通过 timm.create_model(pretrained=False) 创建
• 本地权重文件自动检测并加载（支持 safetensors/bin/pth/pt/ckpt 格式）
• 不提交任何权重文件到仓库

10. 标签

#NPU #Ascend #Ascend910 #timm #image-classification