g
gyccc/timm-mixer_l16_224.goog_in21k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/mixer_l16_224.goog_in21k on Ascend NPU

1. 简介

本项目将 timm/mixer_l16_224.goog_in21k 适配为可在单卡昇腾 NPU (Ascend910) 上运行的图片分类工程。

  • 模型架构: MlpMixer (Google Research, ImageNet-21k 预训练)
  • 输入尺寸: 224 x 224
  • 类别数: 21843 (ImageNet-21k)
  • 适配方式: ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型并加载本地权重

2. 验证环境

  • NPU: Ascend910 (Ascend910_9362)
  • npu-smi: 25.5.2
  • PyTorch NPU 可用: True
  • 权重来源: ModelScope (model.safetensors, 876 MB)

3. 推理运行

pip install -r requirements.txt
python inference.py

inference.py 使用 model_utils.py 加载模型并在 npu:0 上执行推理，输出 Top-5 预测结果。

Model: timm/mixer_l16_224.goog_in21k
Model dir: /opt/atomgit/.cache/modelscope/hub/models/timm/mixer_l16_224___goog_in21k
Weights: /opt/atomgit/.cache/modelscope/hub/models/timm/mixer_l16_224___goog_in21k/model.safetensors
Missing keys: 0, Unexpected keys: 0
Output shape: torch.Size([1, 21843])
Top-5 predictions:
  1. class_10185: 0.1459
  2. class_8175: 0.1141
  3. class_7628: 0.0708
  4. class_8511: 0.0530
  5. class_11490: 0.0423

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：

指标数值
max_abs_error0.135380
mean_abs_error0.068480
relative_error0.4969%
cosine_similarity0.999999
threshold1.0%
结果PASS
  • 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
  • Batch size: 1
  • Warmup: 2 次
  • 正式测试: 10 次
  • 平均延迟: 8.61 ms
  • 吞吐量: 116.15 images/sec

6. 精度评测

本工程仅提供 CPU-NPU 一致性 smoke 验证。完整 ImageNet-21k / ImageNet-1k 官方精度需使用标准评测数据集运行。

7. 自验证截图

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

8. 日志文件

日志说明
logs/env_check.logNPU 环境信息
logs/inference.logNPU 推理输出与 Top-5
logs/accuracy.logCPU-NPU 一致性对比
logs/benchmark.log性能基准测试结果

9. 注意事项

  • 严禁使用 timm.create_model(..., pretrained=True) 触发 HuggingFace 自动下载
  • 权重文件 (.safetensors, .bin, .pth 等) 已加入 .gitignore，不提交到仓库
  • 模型为 ImageNet-21k 预训练，输出 21843 个类别 logits，无内置 id2label 映射

10. 标签

#NPU