timm/xcit_nano_12_p16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/xcit_nano_12_p16_224.fb_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。

使用 ModelScope snapshot_download 下载本地权重，timm.create_model(..., pretrained=False) 加载，通过 torch_npu 在 NPU 上完成推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

• NPU: Ascend910_9362
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 适配版本
• timm: latest
• modelscope: latest

详细环境信息见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_21 (0.1961)
• Top-2: class_127 (0.0863)
• Top-3: class_22 (0.0791)
• Top-4: class_23 (0.0748)
• Top-5: class_128 (0.0307)

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_21
• NPU Top-1: class_21
• CPU Top-5: class_21, class_127, class_22, class_23, class_128
• NPU Top-5: class_21, class_127, class_22, class_23, class_128
• Top-1 match: True
• Top-5 match: True

5. 性能参考

在 Ascend910 NPU 上单 batch 推理性能：

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/env_check.log — 环境检查
• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重通过 ModelScope 本地加载，严禁 pretrained=True 自动从 HuggingFace 下载。
• 推理时使用 timm.data.resolve_model_data_config 获取模型配套预处理参数。
• NPU 推理前后调用 torch.npu.synchronize() 保证时序正确。

10. 标签

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