timm/xcit_small_24_p8_224.fb_dist_in1k on Ascend NPU

1. 简介

本项目将 timm/xcit_small_24_p8_224.fb_dist_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。XCiT（Cross-Covariance Image Transformer）是一种基于跨协方差注意力机制的视觉 Transformer，在 ImageNet-1K 上使用知识蒸馏进行训练。

2. 验证环境

硬件：Ascend910 NPU
OS：Linux 5.10.0-182.0.0.95 (aarch64)
Python：3.11
PyTorch：torch_npu (Ascend)
框架：timm + ModelScope

3. 推理运行

python inference.py

推理结果（单张测试图片）：

Top-1 class: class_549
Top-1 prob: 0.385559
Top-5: class_549, class_473, class_977, class_512, class_21

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标	数值
max_abs_error	0.032654
mean_abs_error	0.003504
relative_error	0.5595%
cosine_similarity	0.999990
threshold	1.0%
结果	PASS

CPU Top-1: class_549
NPU Top-1: class_549
CPU Top-5: class_549, class_473, class_977, class_512, class_21
NPU Top-5: class_549, class_473, class_977, class_512, class_21
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg latency	21.94 ms
min latency	21.15 ms
max latency	23.42 ms
p50	21.59 ms
p90	23.15 ms
p95	23.28 ms
throughput	45.58 images/sec

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

详见 screenshots/self_verification.png。

8. 日志文件

logs/inference.log — 推理输出日志
logs/accuracy.log — 精度一致性验证日志
logs/benchmark.log — 性能基准测试日志
logs/env_check.log — 环境检查日志

9. 注意事项

模型权重通过 ModelScope snapshot_download 下载，不使用 HuggingFace 直连
使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 pretrained=True
不提交权重文件（*.safetensors, *.bin, *.pth 等）

10. 标签

#NPU