timm/vit_large_patch16_224.augreg_in21k on Ascend NPU

1. 简介

将 timm ViT-Large/16（ImageNet-21k 预训练）适配至单卡昇腾 NPU（Ascend910）。模型输出 21843 个类别，基于 ImageNet-21k 数据集预训练。

• 模型来源：ModelScope - timm/vit_large_patch16_224.augreg_in21k
• 模型架构：Vision Transformer Large (ViT-L/16)
• 输入尺寸：224x224
• 输出类别数：21843（ImageNet-21k）

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python download_test_image.py
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_5293 (0.8381)
• Top-2: class_17267 (0.0445)
• Top-3: class_8977 (0.0318)
• Top-4: class_8976 (0.0263)
• Top-5: class_4814 (0.0081)

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：

• CPU Top-1: class_5293
• NPU Top-1: class_5293
• CPU Top-5: class_5293, class_17267, class_8977, class_8976, class_4814
• NPU Top-5: class_5293, class_17267, class_8977, class_8976, class_4814
• 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。

• relative_error = 0.1824% < 1.0%，CPU-NPU 精度一致性通过
• cosine_similarity = 0.999999，输出高度一致
• Top-1 和 Top-5 预测结果完全匹配

7. 自验证截图

见 screenshots/self_verification.png

8. 日志文件

9. 注意事项

• 本模型输出 21843 个类别（ImageNet-21k），非 ImageNet-1k 的 1000 类
• 权重通过 ModelScope snapshot_download 下载，使用 pretrained=False + 本地加载
• 精度验证为单图 smoke test，非完整验证集评测
• 性能数据为单次推理延迟，实际部署吞吐量可能更高

10. 标签 #NPU