timm/vit_small_patch16_224.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_small_patch16_224.augreg_in21k_ft_in1k (ViT-Small/16, ImageNet-21k fine-tuned on ImageNet-1k) 适配至华为昇腾 NPU (Ascend910)，使其可在单卡 NPU 上完成推理、精度验证和性能基准测试。

2. 验证环境

• 设备: Ascend910 (单卡)
• 框架: PyTorch + torch_npu
• Python: 3.x
• 关键依赖: timm, modelscope, safetensors

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU):

• Input shape: [1, 3, 224, 224]
• Output shape: [1, 1000]
• Top-1: class_111 (0.0170)
• Top-2: class_499 (0.0155)
• Top-3: class_623 (0.0154)
• Top-4: class_596 (0.0134)
• Top-5: class_512 (0.0111)

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_111
• NPU Top-1: class_111
• CPU Top-5: class_111, class_499, class_623, class_596, class_512
• NPU Top-5: class_111, class_499, class_623, class_596, class_512
• 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

见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log — 推理结果
• logs/accuracy.log — 精度一致性检查
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — 环境检查

9. 注意事项

• 使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) 加载本地权重
• 不提交权重文件（*.bin, *.safetensors 等已排除）
• 单图 smoke test，非完整精度评测

10. 标签

#NPU