timm/vit_base_patch16_384.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

将 timm 预训练模型 ViT-Base-Patch16-384 (ImageNet-21K 预训练 + ImageNet-1K 微调) 适配到华为昇腾 NPU (Ascend910) 上运行。该模型是 Vision Transformer 基础模型，输入分辨率 384x384，适合高精度图像分类任务。

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

推理输出 Top-5 预测:

• class_998 (0.917316)
• class_987 (0.037681)
• class_595 (0.008999)
• class_958 (0.002266)
• class_996 (0.002094)

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_998
• NPU Top-1: class_998
• CPU Top-5: class_998, class_987, class_595, class_958, class_996
• NPU Top-5: class_998, class_987, class_595, class_958, class_996
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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

9. 注意事项

• 本模型使用 384x384 输入分辨率，预处理由 timm.data.resolve_model_data_config 自动生成
• 权重通过 ModelScope snapshot_download 下载，使用 timm.create_model(pretrained=False) 加载本地权重
• 精度验证采用 CPU-NPU 一致性检查，阈值为 relative_error < 1.0%
• 非 ImageNet 完整验证集评测

10. 标签 #NPU

本项目适配到华为昇腾 NPU (Ascend910)，支持 NPU 推理。