PhiKon-v2-NPU

1. 模型介绍

PhiKon-v2 是一个基于 DINOv2 的病理图像基础模型，由 Owkin 开发。该模型在数百万张组织病理学图像上进行了自监督预训练，能够提取高质量的病理图像特征表示。

属性	说明
原始模型	owkin/phikon-v2
任务类型	Image Feature Extraction / 图像特征提取
模型框架	PyTorch (transformers)
输入格式	224×224 RGB 图像
输出格式	1024 维特征向量
NPU 推理	加载 621.91s (首次) / 28.45s (缓存)，推理 0.19s
精度	相对误差 0.303%，余弦相似度 0.999996 ✅

结论：NPU 与 CPU 推理结果误差为 0.3029%，满足 < 1% 的精度要求。

通过 AutoModel.from_pretrained() + .to("npu") 即可将模型加载到昇腾 NPU。使用 transformers 的 AutoImageProcessor 进行图像预处理。

# NPU 推理
python inference.py --device npu

# 精度对比
python compare_cpu_npu.py

#+NPU #+CV #+病理图像 #+ViT #+DINOv2 #+昇腾 #+特征提取

属性	说明
原始模型	owkin/phikon-v2
任务类型	Image Feature Extraction / 图像特征提取
模型框架	PyTorch (transformers)
输入格式	224×224 RGB 图像
输出格式	1024 维特征向量
NPU 推理	加载 621.91s (首次) / 28.45s (缓存)，推理 0.19s
精度	相对误差 0.303%，余弦相似度 0.999996 ✅

结论：NPU 与 CPU 推理结果误差为 0.3029%，满足 < 1% 的精度要求。

通过 AutoModel.from_pretrained() + .to("npu") 即可将模型加载到昇腾 NPU。使用 transformers 的 AutoImageProcessor 进行图像预处理。

# NPU 推理
python inference.py --device npu

# 精度对比
python compare_cpu_npu.py

#+NPU #+CV #+病理图像 #+ViT #+DINOv2 #+昇腾 #+特征提取