timm/mobilevitv2_100.cvnets_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilevitv2_100.cvnets_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载权重，通过 timm.create_model(..., pretrained=False) 加载本地权重，确保完全脱离 HuggingFace 自动下载。适配过程包含单图推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

NPU 状态（npu-smi info）显示设备健康，AICore 空闲，HBM 可用。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_902 (0.0130)
• Top-2: class_623 (0.0109)
• Top-3: class_499 (0.0109)
• Top-4: class_600 (0.0101)
• Top-5: class_473 (0.0100)

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_902
• NPU Top-1: class_902
• CPU Top-5: class_902, class_623, class_499, class_600, class_473
• NPU Top-5: class_902, class_623, class_499, class_600, class_473
• Top-1 match: True
• Top-5 match: True

5. 性能参考

在单卡 Ascend910 上运行 10 次推理（2 次预热后）的统计结果：

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

• logs/env_check.log — NPU 环境检查
• logs/inference.log — NPU 推理 Top-5 结果
• logs/accuracy.log — CPU-NPU 精度一致性
• logs/benchmark.log — NPU 性能基准

9. 注意事项

1. 严禁使用 timm.create_model(..., pretrained=True)，必须通过 ModelScope 下载本地权重。
2. 权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）已加入 .gitignore，不会提交到仓库。
3. 首次运行时会自动从 ModelScope 下载模型权重到本地缓存目录。

10. 标签

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