m0_74196153/vit_base_patch32_clip_224_metaclip_2pt5b-npu
模型介绍文件和版本Pull Requests讨论分析

vit_base_patch32_clip_224.metaclip_2pt5b 昇腾 NPU 适配

模型介绍

本仓库包含了 timm 中的 vit_base_patch32_clip_224.metaclip_2pt5b 模型在华为昇腾 NPU 上的适配与推理实现。

原始模型地址

  • 原始模型: vit_base_patch32_clip_224.metaclip_2pt5b (timm / HuggingFace Hub)
  • ModelScope: https://www.modelscope.cn/models/timm/vit_base_patch32_clip_224.metaclip_2pt5b

任务类型

  • 任务类型: 图像分类 / 视觉 Transformer

模型框架

  • 框架: PyTorch + timm

输入格式

  • 输入: 图像 (RGB, 根据模型配置自动调整尺寸)

输出格式

  • 输出: 分类 logits（ImageNet 1000 类置信度分数）

依赖环境

  • Python 3.11
  • torch 2.9.0
  • torch_npu 2.9.0.post1
  • timm 1.0.27
  • torchvision 0.24.0
  • CANN 8.5.1
  • 昇腾 Ascend 910 (NPU)

NPU 适配说明

本模型基于 timm 库加载预训练权重，模型权重通过 ModelScope 下载。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: 0.2006s

NPU 推理

  • 推理耗时: 0.0056s

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

指标数值
CPU 推理耗时0.2006s
NPU 推理耗时0.0056s
MAE (平均绝对误差)0.59930669
Max Error (最大误差)2.26999831
MSE (均方误差)0.56720977
相对误差1.36374673
误差百分比136.3747
余弦相似度0.03414117
Top-5 索引一致性否

结论: NPU 与 CPU 推理误差 < 1%

性能测试结果

设备推理耗时 (s)
CPU0.2006
NPU0.0056

标签

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

推理成功的证明

推理结果日志

CPU inference time: 0.2006s
Top-5 indices: [287, 258, 2, 158, 8]
Top-5 values: [1.621537, 1.583809, 1.444558, 1.38213, 1.287452]

NPU inference time: 0.0056s
Top-5 indices: [220, 375, 382, 202, 386]
Top-5 values: [1.349537, 1.245142, 1.240265, 1.220671, 1.21253]

CPU/NPU Relative Error: 136.3747%

精度测试日志

Mean Absolute Error (MAE): 0.59930669
Max Absolute Error: 2.26999831
Cosine Similarity: 0.03414117
Relative Error: 1.36374673

运行截图

运行截图由 acend- 工具生成，展示推理成功画面。

下载使用量0