timm/mixer_b16_224.goog_in21k_ft_in1k on Ascend NPU

1. 简介

本工程将 timm/mixer_b16_224.goog_in21k_ft_in1k（MLP-Mixer Base 16，ImageNet-21k 预训练后微调至 ImageNet-1k）适配到单卡昇腾 NPU（Ascend910）。

• 模型来源：ModelScope
• 权重加载：ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 创建模型结构后加载本地权重
• 推理后端：PyTorch + torch_npu
• 任务类型：图像分类（Image Classification）

2. 验证环境

• NPU: Ascend910 (Ascend910_9362)
• npu-smi: 25.5.2
• PyTorch NPU 可用: torch.npu.is_available() == True

环境详情见 logs/env_check.log。

3. 推理运行

推理结果（单张测试图片）：

• Top-1 class: class_238
• Top-1 prob: 0.1681
• Top-5: class_238 (0.1681), class_970 (0.1090), class_972 (0.0824), class_471 (0.0620), class_460 (0.0466)

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

测试配置：warmup 2 次，正式运行 10 次，batch_size=1，输入 3x224x224。

6. 精度评测

见 logs/accuracy.log。CPU 与 NPU 推理结果在 Top-1 和 Top-5 上完全一致，logits 差异在 float32 误差范围内。

7. 自验证截图

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

8. 日志文件

• logs/stage0.log — 模型预判与可用性检查
• logs/env_check.log — NPU 环境信息
• logs/inference.log — NPU 推理结果
• logs/accuracy.log — CPU-NPU 一致性对比
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重文件（.safetensors、.pth、.bin 等）不提交到仓库，通过 .gitignore 排除；首次运行时会自动从 ModelScope 下载。
• 不使用 HuggingFace 直连下载，主下载通道为 ModelScope snapshot_download。
• 未使用 fallback，所有验证在真实 NPU 上执行。

10. 标签

#NPU