v
v50_/timm-swinv2_tiny_window8_256.ms_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/swinv2_tiny_window8_256.ms_in1k on Ascend NPU

1. 简介

本项目将 ModelScope 上的 timm/swinv2_tiny_window8_256.ms_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）。

  • 模型来源：https://modelscope.cn/models/timm/swinv2_tiny_window8_256.ms_in1k
  • 适配方式：使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建模型结构并加载本地权重
  • 推理设备：Ascend910 NPU（npu:0）

2. 验证环境

项目版本/型号
NPUAscend910
CANN25.5.2
PyTorch2.9.0+cpu
torch_npu与 CANN 配套
timm1.0.27
modelscope1.35.3

3. 推理运行

source /usr/local/Ascend/ascend-toolkit/set_env.sh
export ASCEND_RT_VISIBLE_DEVICES=0
python inference.py

输出示例：

Top-5 predictions:
  1. class_977  0.004667
  2. class_794  0.003645
  3. class_554  0.003239
  4. class_549  0.003237
  5. class_844  0.003054

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.005473
mean_abs_error0.001047
relative_error0.3436%
cosine_similarity0.999995
threshold1.0%
结果PASS
  • CPU Top-1: class_977
  • NPU Top-1: class_977
  • CPU Top-5: class_977, class_794, class_554, class_549, class_844
  • NPU Top-5: class_977, class_794, class_554, class_549, class_844
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
runs10
avg_latency_ms13.223
min_latency_ms12.651
max_latency_ms13.544
p50_latency_ms13.332
p90_latency_ms13.544
p95_latency_ms13.544
images_per_sec75.63

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

日志路径
环境检查logs/env_check.log
推理日志logs/inference.log
精度验证logs/accuracy.log
性能测试logs/benchmark.log

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存，首次运行需联网。
  2. 严禁使用 timm.create_model(..., pretrained=True)，避免触发 HuggingFace 直连下载。
  3. 运行前需 source /usr/local/Ascend/ascend-toolkit/set_env.sh 加载 CANN 环境。
  4. 本仓库不包含模型权重文件（.bin/.safetensors/.pth 等已加入 .gitignore）。

10. 标签

#NPU #Ascend #Ascend910 #timm #SwinV2 #image-classification