timm/deit_base_distilled_patch16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/deit_base_distilled_patch16_224.fb_in1k 模型适配到华为昇腾 NPU (Ascend910)。

• 模型来源: ModelScope - timm/deit_base_distilled_patch16_224.fb_in1k
• 模型类型: 图像分类 (Image Classification)
• 架构: DeiT Base Distilled (Data-efficient Image Transformer), Patch 16, 224x224
• 预训练数据集: ImageNet-1k (fb_in1k)
• 适配方式: timm.create_model(pretrained=False) + ModelScope snapshot_download 本地权重加载
• NPU 设备: Ascend910

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_527 (0.408774)
• Top-2: class_810 (0.275326)
• Top-3: class_526 (0.150525)
• Top-4: class_508 (0.078670)
• Top-5: class_673 (0.041423)

日志保存在 logs/inference.log。

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_527
• NPU Top-1: class_527
• CPU Top-5: class_527, class_810, class_526, class_508, class_673
• NPU Top-5: class_527, class_810, class_526, class_508, class_673
• Top-1 match: True
• Top-5 match: True

5. 性能参考

日志保存在 logs/benchmark.log。

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，首次运行需要联网。
2. 严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 下载，必须使用本地权重加载。
3. 推理时模型和数据均已迁移到 npu:0。
4. 精度验证使用单张随机测试图片，非 ImageNet 完整验证集。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification #DeiT #timm