timm/deit_tiny_distilled_patch16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/deit_tiny_distilled_patch16_224.fb_in1k（Data-efficient Image Transformer, distilled variant）适配到昇腾 NPU（Ascend910）运行。该模型是基于 Vision Transformer 的图片分类模型，通过知识蒸馏提升小模型的精度。

• 原始模型: timm/deit_tiny_distilled_patch16_224.fb_in1k
• 模型类型: 图片分类 (Image Classification)
• 输入尺寸: 224x224
• 输出类别: 1000 (ImageNet-1k)

2. 验证环境

环境详情见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_294 (0.9978)
• Top-2: class_295 (0.0012)
• Top-3: class_297 (0.0001)
• Top-4: class_345 (0.0001)
• Top-5: class_296 (0.0000)

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_294
• NPU Top-1: class_294
• CPU Top-5: class_294, class_295, class_297, class_345, class_296
• NPU Top-5: class_294, class_295, class_297, class_345, class_296
• 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 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
2. 推理时使用 timm.data.resolve_model_data_config + create_transform 获取官方预处理配置。
3. 每次推理前后调用 torch.npu.synchronize() 确保计时准确。
4. 不提交权重文件（.bin, .safetensors, .pth, .pt, .ckpt, .onnx）。

10. 标签

#NPU #Ascend #Ascend910 #timm #deit #image-classification