swin_tiny_patch4_window7_224.ms_in1k

模型介绍

本模型是 Swin Transformer 在 ImageNet 数据集上的预训练模型，由 timm 库提供。

Swin Transformer 是一种层级式 Vision Transformer (ViT) 架构，通过移位窗口（Shifted Window）注意力机制，在计算复杂度与模型表达能力之间取得平衡。该模型适用于图像分类任务。

• 原始模型地址：timm/swin_tiny_patch4_window7_224.ms_in1k
• 任务类型：图像分类
• 模型框架：PyTorch + timm

输入格式

• 输入尺寸：(3, 224, 224)
• 数据类型：RGB 图像（3 通道）
• 数据预处理：归一化（mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]）、Bicubic 插值缩放、中心裁剪

输出格式

• 输出形状：[1, 1000]
• 输出内容：1000 个 ImageNet 类别的 logits 值
• 后处理：通过 Softmax 转换为概率，取 Top-5 作为预测结果

依赖环境

NPU 适配说明

本模型基于 Ascend 910 NPU 完成适配。适配过程中，仅需将模型加载到 NPU 设备上即可运行，无需修改模型架构。

关键要点：

• 使用 torch.npu 作为后端，模型通过 .to('npu:0') 迁移到 NPU
• 推理时使用 torch.npu.synchronize() 确保正确计时
• 输入数据和模型权重精度为 FP32

环境准备

# 安装依赖
pip install torch torchvision timm Pillow requests numpy

# 设置 huggingface 镜像（可选）
export HF_ENDPOINT=https://hf-mirror.com

推理命令

NPU 推理

python3 inference.py

CPU 推理

python3 inference.py --device cpu

推理结果

NPU 推理速度是 CPU 的 14.8 倍。

Top-5 预测结果（NPU）

CPU/NPU 精度测试方法

1. 在 CPU 上运行推理，保存输出 logits
2. 在 NPU 上运行推理，保存输出 logits
3. 计算 CPU 与 NPU 输出之间的误差指标：
   • L2 相对误差（主要指标）
   • Cosine Similarity（余弦相似度）
   • Top-1 / Top-5 类别一致性
   • 最大概率差异

python3 compare_cpu_npu.py

CPU/NPU 精度测试结果

结论：NPU 与 CPU 推理结果误差 < 1%，精度对齐通过。

性能测试结果

模拟终端输出截图

模型标签

#+NPU #+CV #+图像分类 #+昇腾 #+SwinTransformer #+timm