timm/vit_large_patch16_224.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

将 timm/vit_large_patch16_224.augreg_in21k_ft_in1k（ViT-Large/16，ImageNet-21k 预训练 + ImageNet-1k 微调）适配为可在单卡华为昇腾 NPU（Ascend910B）上运行的提交工程。

• 模型来源：ModelScope timm/vit_large_patch16_224.augreg_in21k_ft_in1k
• 模型架构：Vision Transformer Large（ViT-L/16），304.3M 参数
• 输入尺寸：224x224 RGB
• 输出类别数：1000（ImageNet-1k）
• 权重格式：safetensors

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（单张测试图片）：

• Top-1 class: class_979
• Top-1 prob: 0.6689
• Top-5: class_979 (0.6689), class_970 (0.1847), class_972 (0.0179), class_888 (0.0143), class_671 (0.0105)

4. Smoke 验证

python eval_accuracy.py

5. 性能参考

python benchmark.py

注：以上为单卡单 batch=1 性能，实际部署可结合动态 batch 提升吞吐。

6. 精度评测

本工程执行 smoke consistency check（CPU vs NPU 一致性对比），非官方精度评测。 Top-1 和 Top-5 在 CPU 与 NPU 上完全一致。

7. 自验证截图

详见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

• 权重文件（*.safetensors, *.bin）已通过 .gitignore 排除，不会提交到仓库
• 本模型为 ViT-Large（304M 参数），加载和推理需要约 2.3GB 显存
• 使用 pretrained=False + 本地权重加载，不依赖 HuggingFace 自动下载
• CPU-NPU 精度差异在 ViT 级别浮点精度范围内（max logit diff 0.04）

#NPU