ViT_Deepfake_Detection 昇腾 NPU 适配

模型介绍

本仓库包含了 Wvolf/ViT_Deepfake_Detection 在华为昇腾 NPU 上的适配与推理实现。

原始模型地址

• 原始模型: Wvolf/ViT_Deepfake_Detection

任务类型

• 任务类型: 图像分类 / 视觉任务

模型框架

• 框架: PyTorch + Transformers

输入格式

• 输入: 图像 (RGB, 224x224)

输出格式

• 输出: 分类结果（标签 + 置信度分数）

依赖环境

• Python 3.11
• torch 2.9.0
• torch_npu 2.9.0.post1
• transformers 4.57.6
• torchvision 0.24.0
• CANN 8.5.1
• 昇腾 Ascend 910 (NPU)

NPU 适配说明

本模型基于 HuggingFace Transformers Pipeline 进行推理，在昇腾 NPU 上通过 torch_npu 实现硬件加速。

环境准备

pip install -r requirements.txt

推理命令

python inference.py

推理结果

CPU 推理

• 推理耗时: 0.6424s

NPU 推理

• 推理耗时: 0.0081s

部署和推理方法

1. 安装依赖: pip install -r requirements.txt
2. 运行推理: python inference.py
3. 精度对比: python compare_cpu_npu.py

CPU/NPU 精度测试结果

结论: NPU 与 CPU 推理误差 < 1%

性能测试结果

标签

• #+NPU
• #+CV
• #+图像分类
• #+昇腾
• #+Ascend
• #+PyTorch

推理成功的证明

推理结果日志

CPU inference time: 0.6424s
NPU inference time: 0.0081s