timm/vit_small_patch16_384.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_small_patch16_384.augreg_in21k_ft_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。ViT-Small-Patch16-384 是基于 Vision Transformer 的图像分类模型，输入分辨率 384x384，在 ImageNet-21k 上预训练后微调到 ImageNet-1k。

• 模型来源：ModelScope (timm/vit_small_patch16_384.augreg_in21k_ft_in1k)
• 模型结构：ViT-Small-Patch16-384 (timm create_model, pretrained=False)
• 权重加载：ModelScope snapshot_download + safetensors 本地加载
• 推理设备：昇腾 NPU (Ascend910_9362)
• 输入分辨率：384x384

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

NPU 推理结果：

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_596, class_683, class_818
• NPU Top-5: class_111, class_499, class_596, class_683, class_818
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch=1, 384x384, 预热 2 次 + 10 次正式测试, Ascend910_9362。

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

9. 注意事项

• 权重文件（*.safetensors, *.bin 等）不提交到仓库，通过 ModelScope snapshot_download 在运行时自动下载
• 使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 HuggingFace 自动下载
• 输入分辨率 384x384，预处理通过 timm.data.resolve_model_data_config 自动生成
• 单图 smoke consistency 验证，相对误差 0.2718% < 1.0% 阈值，CPU/NPU Top-5 完全匹配

10. 标签

#NPU #Ascend #Ascend910 #timm #ViT #ImageClassification #ModelScope