timm/vit_tiny_patch16_224.augreg_in21k on Ascend NPU

1. 简介

本项目将 timm/vit_tiny_patch16_224.augreg_in21k 适配到单卡昇腾 NPU（Ascend910）上运行，支持图片分类推理。

• 模型来源：timm (HuggingFace 图片分类模型)
• 适配方式：ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型并加载本地权重
• 任务类型：image-classification
• 输入尺寸：224x224
• 输出类别数：21843（ImageNet-21k）

2. 验证环境

NPU 状态（npu-smi info 摘要）：

• 卡 0: Ascend910, Health=OK, HBM=3113/65536 MB
• 卡 1: Ascend910, Health=OK, HBM=2869/65536 MB

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_4334 (0.003761)
• Top-2: class_4668 (0.003456)
• Top-3: class_6255 (0.003341)
• Top-4: class_6966 (0.002748)
• Top-5: class_10105 (0.002638)

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_4334
• NPU Top-1: class_4334
• CPU Top-5: class_4334, class_4668, class_6255, class_6966, class_10105
• NPU Top-5: class_4334, class_4668, class_6255, class_6966, class_10105
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：warm-up 2 次，正式运行 10 次，单卡 npu:0，batch_size=1，输入 224x224。

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 与 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，运行时自动缓存到本地，无需手动放置。
2. 严禁使用 timm.create_model(..., pretrained=True) 触发 HuggingFace 自动下载。
3. 测试图片为占位图（网络不可达时生成），实际部署时请替换为真实图片。
4. 模型权重文件（.safetensors/.bin/.pth 等）已加入 .gitignore，不会提交到仓库。

10. 标签

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