timm/swin_base_patch4_window12_384.ms_in22k_ft_in1k on Ascend NPU

1. 简介

将 timm 预训练视觉模型 swin_base_patch4_window12_384.ms_in22k_ft_in1k（Swin Base，ImageNet-22k 预训练后微调至 ImageNet-1k，384x384 输入）适配到单卡昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，不使用 HuggingFace 直连下载。

2. 验证环境

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

输出示例：

Top-1: class_526 (0.4131)
Top-2: class_673 (0.1549)
Top-3: class_527 (0.1331)
Top-4: class_508 (0.0379)
Top-5: class_742 (0.0330)

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_526
• NPU Top-1: class_526
• CPU Top-5: class_526, class_673, class_527, class_508, class_742
• NPU Top-5: class_526, class_673, class_527, class_508, class_742
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch=1, 384x384 输入, 2 次预热 + 10 次正式测试, Ascend910 单卡。

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

详见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log - 推理输出日志
• logs/accuracy.log - CPU-NPU 精度一致性验证日志
• logs/benchmark.log - 性能基准测试日志
• logs/env_check.log - 环境检查日志

9. 注意事项

• 使用 pretrained=False + 本地权重加载，不使用 HuggingFace 自动下载
• 权重文件（.safetensors / .bin）不提交到仓库
• 本验证为单图 smoke test，非 ImageNet 完整验证集评测
• Swin Base 为层级 Vision Transformer 架构，87.9M 参数，384x384 输入分辨率
• 35 个 unexpected keys 为 Swin attention relative position index/mask，属正常现象

10. 标签

#NPU