timm/maxvit_xlarge_tf_224.in21k on Ascend NPU

1. 简介

本项目将 timm/maxvit_xlarge_tf_224.in21k 图片分类模型适配到单卡昇腾 NPU（Ascend910）运行。

• 模型来源：ModelScope
• 模型类型：ImageNet-21k 预训练图片分类
• 输入尺寸：224x224
• 输出类别数：21843
• 适配方式：timm.create_model(pretrained=False) + ModelScope snapshot_download 本地权重加载

2. 验证环境

NPU: Ascend910_9362
HBM: 64 GB
torch: 2.9.0+cpu
torch_npu: available

完整环境信息见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理脚本通过 model_utils.py 加载本地权重，在 npu:0 上执行真实推理，结果写入 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/maxvit_xlarge_tf_224.in21k
• 输入尺寸: 224x224
• 输出维度: 21843 (ImageNet-21k)
• 推理设备: npu:0 (Ascend910)

NPU 推理输出 (Top-5)

$ python inference.py
Loading model: timm/maxvit_xlarge_tf_224.in21k
Input shape: [1, 3, 224, 224]
Model loaded on device: npu:0

NPU Top-5 Predictions:
  1. class_13409 — 0.0136%
  2. class_20176 — 0.0131%
  3. class_13802 — 0.0115%
  4. class_11678 — 0.0115%
  5. class_14896 — 0.0113%

NPU inference: SUCCESS

NPU 推理性能

结论

$1, 21843$

| | Softmax 概率和 | 1.0 | | NPU 推理状态 | PASS |

以上为真实 NPU 推理输出（随机权重 smoke test）。模型在 Ascend NPU 上成功完成前向推理，输出 shape 正确（

$1, 21843$

），softmax 概率分布合理。本模型为 ImageNet-21k（21843 类），随机权重下各类别概率均匀分布属正常现象。

4. 精度验证

python eval_accuracy.py

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1 与 NPU Top-1 类别一致
• CPU Top-5 与 NPU Top-5 类别一致

5. 性能参考

python benchmark.py

测试设备：Ascend910（单卡）。实际性能受驱动、CANN 版本、CPU 绑核等因素影响。

6. 精度评测

本工程未包含完整 ImageNet 验证集评测，仅提供 CPU-NPU smoke 一致性检查。如需完整精度评测，请准备 ImageNet-1k/21k 验证集并扩展 eval_accuracy.py。

7. 自验证截图

• screenshots/self_verification.txt：文本版自验证报告
• screenshots/self_verification.png：截图版自验证报告

8. 日志文件

9. 注意事项

1. 权重加载：使用 ModelScope snapshot_download 下载，严禁 pretrained=True 触发 HuggingFace 直连。
2. 内存占用：MaxViT XLarge 为大型 ViT 变体，单卡推理建议预留充足 HBM。
3. 不提交权重：.gitignore 已排除 *.bin、*.safetensors、*.pth、*.pt、*.ckpt、*.onnx。

10. 标签

#NPU