tiny_vit_21m_224.dist_in22k 是基于 TinyViT (Tiny Vision Transformer) 架构的图像分类模型。
图像分类
RGB 图像, 224x224, 归一化 mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]
21841 类 logits, 通过 Softmax 转换为概率
| 组件 | 版本 |
|---|---|
| NPU | Ascend910 |
| CANN | 25.5.2 |
| PyTorch | 2.9.0 |
| torch_npu | 2.9.0.post1+gitee7ba04 |
| timm | 1.0.27 |
使用 ModelScope 下载权重, 通过 torch_npu 加载到 NPU, FP32 推理, 无需修改模型代码。
pip install torch torchvision timm modelscope safetensors Pillow# CPU 推理
python inference.py --device cpu
# NPU 推理
python inference.py --device npu
# 精度对比
python compare_cpu_npu.py| 指标 | CPU | NPU |
|---|---|---|
| 平均推理耗时 | 257.80 ms | 8.06 ms |
| 加速比 | - | 31.99x |
| 排名 | CPU 类别 | CPU 概率 | NPU 类别 | NPU 概率 |
|---|---|---|---|---|
| 1 | 11384 | 0.000321 | 11384 | 0.000322 |
| 2 | 4334 | 0.000304 | 4334 | 0.000305 |
| 3 | 11531 | 0.000216 | 11531 | 0.000216 |
| 4 | 21711 | 0.000208 | 21711 | 0.000208 |
| 5 | 9534 | 0.000203 | 9534 | 0.000203 |
| 指标 | 值 |
|---|---|
| Logits Max Abs Error | 7.6800e-03 |
| Logits Mean Abs Error | 1.1600e-03 |
| Probs Max Abs Error | 1.1300e-06 |
| Probs Mean Abs Error | 5.4000e-08 |
| Cosine Similarity | 0.99996710 |
| Prob Relative Error | 0.1662% |
| Top-1 Class Match | Yes |
NPU 与 CPU 推理结果误差 < 1%,精度对齐通过。余弦相似度 0.99996710,Top-1 类别完全一致。

from timm import create_model
from modelscope import snapshot_download
from safetensors.torch import load_file
model = create_model('tiny_vit_21m_224.dist_in22k', pretrained=False)
local_path = snapshot_download('timm/tiny_vit_21m_224.dist_in22k')
state_dict = load_file(local_path + '/model.safetensors')
model.load_state_dict(state_dict, strict=False)
model = model.to('npu:0').float()torch>=2.0.0,torchvision>=0.15.0,timm>=1.0.0,modelscope>=1.0.0,safetensors,Pillow