timm/flexivit_large.1200ep_in1k on Ascend NPU

1. 简介

本项目将 timm/flexivit_large.1200ep_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。

FlexiViT 是一种灵活的 Vision Transformer，支持可变输入分辨率和 patch size。本模型为 Large 规模，在 ImageNet-1k 上训练 1200 epoch 的权重。

2. 验证环境

• NPU: Ascend910 (Ascend910_9362)
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 可用
• timm: 最新版

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_111 (0.0062)
• Top-2: class_549 (0.0042)
• Top-3: class_885 (0.0035)
• Top-4: class_591 (0.0033)
• Top-5: class_600 (0.0033)

日志保存在 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_111
• NPU Top-1: class_111
• CPU Top-5: class_111, class_549, class_885, class_591, class_600
• NPU Top-5: class_111, class_549, class_885, class_591, class_600
• Top-1 match: True
• Top-5 match: True

5. 性能参考

日志保存在 logs/benchmark.log。

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 - 精度一致性验证
• logs/benchmark.log - 性能基准测试
• logs/env_check.log - NPU 环境检查
• logs/stage0.log - 模型可用性检查

9. 注意事项

1. 本模型输入尺寸为 240x240（非常规 224x224），由 timm.data.resolve_model_data_config 自动解析。
2. 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
3. 测试图片因网络原因使用占位图（400x300 灰色图），实际部署时可替换为真实图片。

10. 标签

#NPU #Ascend #Ascend910 #timm #FlexiViT #ImageClassification