timm/mobilevitv2_100.cvnets_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilevitv2_100.cvnets_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。

• 模型来源: ModelScope - timm/mobilevitv2_100.cvnets_in1k
• 模型类型: 图片分类 (Image Classification)
• 输入尺寸: 1 x 3 x 256 x 256
• 输出维度: 1 x 1000 (ImageNet-1k classes)

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_902 (0.0130)
• Top-2: class_623 (0.0109)
• Top-3: class_499 (0.0109)
• Top-4: class_600 (0.0101)
• Top-5: class_473 (0.0100)

日志保存在 logs/inference.log。

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

NPU 单卡 batch=1 性能（10 次取平均）：

6. 精度评测

本项目未在完整 ImageNet-1k 验证集上运行，仅提供 CPU-NPU 推理一致性 smoke 验证。如需完整精度，请使用 ImageNet 验证集运行标准评测。

7. 自验证截图

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

8. 日志文件

9. 注意事项

• 权重通过 ModelScope 自动下载到本地缓存，首次运行需联网
• 已配置 .gitignore 排除权重文件，确保不提交大文件
• 占位图 assets/test.jpg 仅供 smoke 测试，非真实分类样本
• 模型结构为 ByobNet (timm 内部实现)，输入分辨率 256x256

10. 标签

#NPU