timm/vit_base_patch16_224.augreg_in21k on Ascend NPU

1. 简介

本项目将 timm/vit_base_patch16_224.augreg_in21k 适配到昇腾 NPU (Ascend910) 上进行图片分类推理。

该模型为 Vision Transformer (ViT) Base，Patch Size 16x16，输入分辨率 224x224，在 ImageNet-21k 上预训练，输出 21843 个类别 logits。

2. 验证环境

• 硬件：Ascend910
• CANN 版本：8.5.1
• PyTorch：2.9.0+cpu
• torch_npu：适配 CANN-8.5.1

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_5063 (0.359207)
• Top-2: class_9212 (0.119120)
• Top-3: class_10999 (0.065833)
• Top-4: class_5306 (0.060704)
• Top-5: class_11503 (0.040750)

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_5063
• NPU Top-1: class_5063
• CPU Top-5: class_5063, class_9212, class_10999, class_5306, class_11503
• NPU Top-5: class_5063, class_9212, class_10999, class_5306, class_11503
• 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

• logs/env_check.log — NPU 环境信息
• logs/inference.log — NPU 推理结果
• logs/accuracy.log — CPU-NPU 精度一致性
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
• 模型输出为 ImageNet-21k 的 21843 类 logits，无标准类别名称，故以 class_<index> 形式展示。
• 推理脚本已包含 torch.npu.synchronize() 确保时序正确。

10. 标签

#NPU