g
gyccc/timm-mvitv2_small.fb_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/mvitv2_small.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/mvitv2_small.fb_in1k（Multiscale Vision Transformer V2 Small）适配到华为昇腾 NPU（Ascend910），包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

  • 模型来源：ModelScope（timm/mvitv2_small.fb_in1k）
  • 权重加载方式：timm.create_model(pretrained=False) + ModelScope 本地权重
  • 适配设备：Ascend910 NPU（单卡）

2. 验证环境

  • 设备：Ascend910_9362
  • 框架：PyTorch + torch_npu
  • Python 依赖见 requirements.txt

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出：

  • 输出 shape：[1, 1000]
  • Top-1：class_150（80.37%）
  • Top-2：class_39（0.42%）
  • Top-3：class_385（0.22%）
  • Top-4：class_268（0.15%）
  • Top-5：class_48（0.14%）

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.019335
mean_abs_error0.001221
relative_error0.3986%
cosine_similarity0.999994
threshold1.0%
结果PASS
  • CPU Top-1: class_150
  • NPU Top-1: class_150
  • CPU Top-5: class_150, class_39, class_385, class_268, class_48
  • NPU Top-5: class_150, class_39, class_385, class_268, class_48
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
Avg latency22.32 ms
Min latency21.96 ms
Max latency23.14 ms
P50 latency22.10 ms
P90 latency22.83 ms
P95 latency22.98 ms
Throughput44.81 images/sec
  • 设备：Ascend910_9362
  • Batch size：1
  • Warmup runs：2
  • Benchmark runs：10

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

文件说明
logs/inference.log推理输出结果
logs/accuracy.logCPU-NPU 精度一致性检查
logs/benchmark.log性能基准测试

9. 注意事项

  • 使用 pretrained=False + ModelScope 本地权重加载，不依赖 HuggingFace 直连下载
  • 权重文件（.safetensors、.bin 等）不提交到仓库
  • 本项目为单卡 Ascend910 适配，不涉及分布式推理

10. 标签

#NPU