timm/vit_srelpos_small_patch16_224.sw_in1k on Ascend NPU

1. 简介

本工程将 timm/vit_srelpos_small_patch16_224.sw_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）上运行。

• 模型类型: Vision Transformer with Relative Position (ViT-SRelPos-Small)
• 输入尺寸: 224x224
• 输出类别: 1000 (ImageNet-1k)
• 适配方式: ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重

2. 验证环境

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理脚本使用 model_utils.py 统一加载模型，通过 timm.data.resolve_model_data_config 自动解析预处理配置，在 npu:0 上执行真实推理。

示例输出：

Top-5 预测:
  1. class_449: 0.3771
  2. class_718: 0.0702
  3. class_460: 0.0673
  4. class_978: 0.0578
  5. class_977: 0.0521

4. 精度验证

python eval_accuracy.py

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1 与 NPU Top-1 类别一致
• CPU Top-5 与 NPU Top-5 类别一致

5. 性能参考

python benchmark.py

测试条件：batch=1, 224x224, 预热 2 次 + 正式 10 次。

6. 精度评测

未在完整 ImageNet-1k 验证集上跑官方精度，仅通过 smoke test 验证 CPU/NPU 输出一致性。如需完整精度，请使用 ImageNet 验证集运行官方评测。

7. 自验证截图

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

8. 日志文件

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，不提交到仓库。
• 严禁使用 timm.create_model(..., pretrained=True) 触发 HuggingFace 自动下载。
• 运行前请确保 NPU 驱动和 CANN 环境已正确配置。

10. 标签

#NPU #Ascend #timm #image-classification #ModelScope