timm/xcit_tiny_12_p8_224.fb_dist_in1k on Ascend NPU

1. 简介

将 timm/xcit_tiny_12_p8_224.fb_dist_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。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，不依赖 HuggingFace 直连下载。

2. 验证环境

硬件：华为昇腾 NPU (Ascend910)
Python：3.11
PyTorch：2.x + torch_npu
timm：latest

3. 推理运行

cd timm-xcit_tiny_12_p8_224.fb_dist_in1k-NPU
python inference.py

推理结果（NPU）：

Output shape: [1, 1000]
Top-1: class_547 (0.2914)
Top-2: class_565 (0.2231)
Top-3: class_525 (0.0546)
Top-4: class_466 (0.0427)
Top-5: class_705 (0.0303)

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	0.040783
mean_abs_error	0.005705
relative_error	0.7176%
cosine_similarity	0.999980
threshold	1.0%
结果	PASS

CPU Top-1: class_547
NPU Top-1: class_547
Top-1 match: True

5. 性能参考

指标	数值
avg	11.73 ms
min	11.24 ms
max	11.99 ms
p50	11.84 ms
p90	11.94 ms
p95	11.97 ms
images/sec	85.22

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 和 screenshots/self_verification.txt。

8. 日志文件

logs/inference.log — 推理结果
logs/accuracy.log — 精度一致性验证
logs/benchmark.log — 性能基准测试

9. 注意事项

使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
使用 timm.create_model(pretrained=False) + 本地权重加载
精度验证为单图 smoke check，非官方完整验证集评测

10. 标签

#NPU