timm/xcit_tiny_12_p16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/xcit_tiny_12_p16_224.fb_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型结构并加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

硬件：Ascend910 NPU
框架：PyTorch + torch_npu
Python 依赖见 requirements.txt

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果示例：

Top-5 predictions:
  1. class_0146 (7.93%)
  2. class_0147 (6.94%)
  3. class_0020 (6.19%)
  4. class_0098 (4.29%)
  5. class_0360 (3.80%)

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	0.045722
mean_abs_error	0.006184
relative_error	0.7805%
cosine_similarity	0.999973
threshold	1.0%
结果	PASS

CPU Top-1: class_0146
NPU Top-1: class_0146
Top-1 match: True
CPU Top-5: class_0146, class_0147, class_0020, class_0098, class_0360
NPU Top-5: class_0146, class_0147, class_0020, class_0098, class_0360
Top-5 match: True

5. 性能参考

指标	数值
Avg Latency	16.39 ms
Min Latency	11.57 ms
Max Latency	33.99 ms
P50	12.56 ms
P90	33.99 ms
P95	33.99 ms
Throughput	61.03 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

见 screenshots/self_verification.png。

8. 日志文件

logs/inference.log - 推理结果
logs/accuracy.log - 精度验证
logs/benchmark.log - 性能基准
logs/env_check.log - 环境检查

9. 注意事项

模型权重通过 ModelScope 下载，未提交到仓库
不使用 HuggingFace 直连下载
不 fallback，不伪造

10. 标签

#NPU