g
gyccc/timm-swinv2_tiny_window8_256.ms_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_tiny_window8_256.ms_in1k on Ascend NPU

1. 简介

本项目将 timm/swinv2_tiny_window8_256.ms_in1k (Swin Transformer V2 Tiny, 256x256 输入, ImageNet-1k 预训练) 适配到华为昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

  • 模型类型：Swin Transformer V2
  • 输入分辨率：256x256
  • 输出类别数：1000 (ImageNet-1k)
  • 模型参数量：~28M

2. 验证环境

  • 硬件：Ascend910 NPU
  • 框架：PyTorch + torch_npu
  • 模型管理：ModelScope snapshot_download

3. 推理运行

python inference.py

输出示例：

=== Inference Result (NPU) ===
Input shape: torch.Size([1, 3, 256, 256])
Output shape: torch.Size([1, 1000])

Top-1: class_654 (0.8240)
Top-2: class_656 (0.0179)
Top-3: class_734 (0.0167)
Top-4: class_757 (0.0080)
Top-5: class_705 (0.0057)

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_error0.007591
mean_abs_error0.001197
relative_error0.4059%
cosine_similarity0.999997
threshold1.0%
结果PASS
  • CPU Top-1: class_654
  • NPU Top-1: class_654
  • CPU Top-5: class_654, class_656, class_734, class_757, class_705
  • NPU Top-5: class_654, class_656, class_734, class_757, class_705
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
平均延迟15.86 ms
最小延迟12.72 ms
最大延迟32.34 ms
P5013.40 ms
P9032.34 ms
P9532.34 ms
吞吐量63.05 images/sec

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.txt 和 screenshots/self_verification.png。

8. 日志文件

  • logs/inference.log — 推理结果
  • logs/accuracy.log — 精度一致性验证
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 模型使用 256x256 输入分辨率（非标准 224x224）
  • 预处理由 timm.data.resolve_model_data_config 自动生成
  • 首次运行需从 ModelScope 下载权重，后续使用缓存
  • 精度验证为单图 smoke test，非完整 ImageNet 评测

10. 标签 #NPU