timm/swin_tiny_patch4_window7_224.ms_in22k_ft_in1k on Ascend NPU

1. 简介

将 timm/swin_tiny_patch4_window7_224.ms_in22k_ft_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。

• 模型来源：ModelScope
• 加载方式：timm.create_model(pretrained=False) + ModelScope snapshot_download 本地权重
• 不使用 HuggingFace 直连下载
• 不 fallback

2. 验证环境

• NPU: Ascend910
• 驱动: npu-smi 25.5.2
• PyTorch + torch_npu
• timm

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

推理结果（单张测试图片）：

• Top-1 class: class_979
• Top-1 prob: 0.474887
• Top-5: class_979 (0.474887), class_975 (0.223469), class_888 (0.028356), class_970 (0.022558), class_839 (0.017135)

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

6. 精度评测

Smoke consistency check（非官方精度评测），详见 logs/accuracy.log。

7. 自验证截图

详见 screenshots/self_verification.png

8. 日志文件

• logs/inference.log - 推理结果
• logs/accuracy.log - 精度验证
• logs/benchmark.log - 性能基准
• logs/env_check.log - 环境检查
• logs/paths.txt - 路径信息

9. 注意事项

• 本工程不包含模型权重文件（*.bin, *.safetensors 等）
• 首次运行需联网从 ModelScope 下载模型
• 精度验证为 smoke consistency check，非官方精度评测

10. 标签

#NPU #Ascend #image-classification #timm #swin-transformer