timm/mobilevitv2_050.cvnets_in1k on Ascend NPU

1. 简介

将 timm/mobilevitv2_050.cvnets_in1k 模型适配至华为昇腾 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。

2. 验证环境

• 硬件：Ascend 910
• OS：Linux 5.10.0-182.0.0.95.r2220_156.hce2.aarch64
• Python 依赖见 requirements.txt

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（单张测试图片）：

• Top-1 class: class_927
• Top-1 prob: 0.1033
• Top-5: class_927 (0.1033), class_928 (0.0909), class_923 (0.0857), class_122 (0.0728), class_925 (0.0478)

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_927 (10.33%)
• NPU Top-1: class_927 (10.33%)
• CPU Top-5: class_927, class_928, class_923, class_122, class_925
• NPU Top-5: class_927, class_928, class_923, class_122, class_925
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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

见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log — 推理结果
• logs/accuracy.log — 精度验证结果
• logs/benchmark.log — 性能基准测试结果

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，不使用 HuggingFace 直连
• 模型结构通过 timm.create_model(pretrained=False) 创建，权重从本地加载
• 本工程不提交权重文件（.bin, .safetensors, .pth 等）
• MobileViT v2 是轻量级视觉 Transformer，适合移动端和边缘设备部署

10. 标签 #NPU