g
gyccc/timm-swinv2_cr_small_ns_224.sw_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/swinv2_cr_small_ns_224.sw_in1k on Ascend NPU

1. 简介

本项目将 timm/swinv2_cr_small_ns_224.sw_in1k（Swin Transformer V2 Cr Small）适配到华为昇腾 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。

  • 模型类型：Swin Transformer V2 Cr（Compact Refine）- Small 变体
  • 输入分辨率：224x224
  • 输出类别数：1000（ImageNet）
  • 预训练权重：sw_in1k（ImageNet-1k）

2. 验证环境

  • 硬件：华为昇腾 910B NPU
  • PyTorch：2.x + torch_npu
  • timm：1.0.27
  • 模型来源：ModelScope timm/swinv2_cr_small_ns_224.sw_in1k
  • 权重格式：safetensors

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果示例（单张测试图片）：

  • Top-1: class_902 (0.0014)
  • Top-2: class_535 (0.0013)
  • Top-3: class_549 (0.0013)
  • Top-4: class_794 (0.0013)
  • Top-5: class_411 (0.0013)

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_error0.001969
mean_abs_error0.000370
relative_error0.5516%
cosine_similarity0.999987
threshold1.0%
结果PASS
  • CPU Top-1: class_902
  • NPU Top-1: class_902
  • CPU Top-5: class_902, class_535, class_549, class_794, class_411
  • NPU Top-5: class_902, class_535, class_549, class_794, class_411
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency23.07 ms
min_latency22.44 ms
max_latency23.79 ms
p50_latency22.92 ms
p90_latency23.71 ms
p95_latency23.75 ms
throughput43.35 images/sec
  • 预热次数：2
  • 正式测试次数：10
  • 输入：batch=1, 3x224x224

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

9. 注意事项

  • 使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) 加载结构，再从本地 safetensors 加载权重
  • 未提交任何权重文件（bin/safetensors/pth/pt/ckpt/onnx）
  • 精度验证采用 CPU-NPU 一致性检查，relative_error < 1.0% 为通过阈值

10. 标签

#NPU #Ascend #Ascend910 #SwinTransformerV2 #ImageClassification #timm