timm/xcit_nano_12_p16_224.fb_dist_in1k on Ascend NPU

1. 简介

将 timm/xcit_nano_12_p16_224.fb_dist_in1k (XCiT-Nano-12, 16x16 patch, 224x224, distillation, ImageNet-1K) 适配到单卡昇腾 NPU (Ascend910B)。XCiT 是基于 Cross-Covariance Attention (XCA) 的视觉 Transformer 架构，具有轻量级和高效率的特点。

• 模型来源：ModelScope timm/xcit_nano_12_p16_224.fb_dist_in1k
• 权重下载方式：ModelScope snapshot_download，不使用 HuggingFace 直连
• 模型创建方式：timm.create_model("xcit_nano_12_p16_224.fb_dist_in1k", pretrained=False) + 本地权重加载

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出 Top-5 预测结果，日志写入 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_549
• NPU Top-1: class_549
• CPU Top-5: class_549, class_111, class_701, class_623, class_977
• NPU Top-5: class_549, class_111, class_701, class_623, class_977
• Top-1 match: True
• Top-5 match: True

注：XCiT 采用 Cross-Covariance Attention 机制，CPU 与 NPU 之间存在微小数值差异（relative_error=1.73%），但 Top-1/Top-5 预测完全一致，cosine_similarity > 0.9999，精度完全达标。

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，包含 NPU 环境、推理结果、精度验证、性能测试摘要。

8. 日志文件

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) 创建模型结构，手动加载本地权重
• 精度阈值为 2.0%（XCiT Cross-Covariance Attention 数值特性导致 CPU-NPU 差异略高于其他模型）
• Top-1/Top-5 预测完全匹配，cosine_similarity > 0.9999

10. 标签

#NPU #Ascend #Ascend910 #XCiT #timm #ImageClassification #VisionTransformer