timm/vit_base_patch16_224.augreg2_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_base_patch16_224.augreg2_in21k_ft_in1k 模型适配到昇腾 NPU (Ascend910)，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

硬件：Ascend910 NPU
操作系统：Linux
Python：3.11
PyTorch + torch_npu

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

Top-1: class_738 (0.0387)
Top-2: class_728 (0.0372)
Top-3: class_81 (0.0343)
Top-4: class_86 (0.0309)
Top-5: class_80 (0.0286)

日志保存在 logs/inference.log。

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_error	0.042352
mean_abs_error	0.006796
relative_error	0.6255%
cosine_similarity	0.999981
threshold	1.0%
结果	PASS

5. 性能参考

指标	数值
avg_time	5.44 ms
min_time	5.37 ms
max_time	5.52 ms
p50	5.43 ms
p90	5.48 ms
p95	5.50 ms
images_per_sec	183.94

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

模型使用 ModelScope snapshot_download 下载权重
使用 timm.create_model(pretrained=False) 加载本地权重
精度验证通过 CPU-NPU 一致性检查 (relative_error < 1.0%)

10. 标签

#NPU #Ascend #Ascend910 #timm #ViT