timm/mobilevit_s.cvnets_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilevit_s.cvnets_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。 模型通过 ModelScope snapshot_download 下载权重，使用 timm.create_model(..., pretrained=False) 创建模型并加载本地权重，在 NPU 上完成推理验证、精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_623 (0.019862)
• Top-2: class_473 (0.018888)
• Top-3: class_499 (0.017782)
• Top-4: class_813 (0.017388)
• Top-5: class_731 (0.015007)

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_623 (0.019859)
• NPU Top-1: class_623 (0.019862)
• CPU Top-5: class_623, class_473, class_499, class_813, class_731
• NPU Top-5: class_623, class_473, class_499, class_813, class_731
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1，10 次正式测试（2 次预热），输入分辨率 256x256。

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 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

• 权重通过 ModelScope 自动下载到本地缓存，推理脚本不从 HuggingFace 下载。
• timm.create_model 必须传 pretrained=False，再通过 load_state_dict 加载本地权重。
• 测试图片为随机占位图，Top-1 置信度较低属于正常现象；关键验证指标为 CPU-NPU 一致性。

10. 标签

#NPU #Ascend #Ascend910 #timm #mobilevit #image-classification