facebook/PE-Core-S16-384 在昇腾 NPU 上的部署

[

$📃 技术报告$

$📂 Github$

](https://github.com/facebookresearch/perception_models/) Perception Encoder（PE）是一款面向图像与视频的先进编码器

1. 模型简介

属性	值
模型名称	`facebook/PE-Core-S16-384`
原始权重	ModelScope / HuggingFace / AtomGit 镜像
任务类型	feature-extraction
输入	详见 inference.py
输出	特征向量
框架	PyTorch + torch_npu
官方实现	https://github.com/facebookresearch/perception_models

参考

官方实现 / 论文仓库：

2. 环境依赖清单

# 推荐 conda 环境：pix2struct-npu（torch 2.10.0 + torch_npu 2.10.0）
# 依赖见 requirements.txt

国内 pip 源（清华）：https://pypi.tuna.tsinghua.edu.cn/simple

权重预下载（国内镜像源）

权重文件不随仓库一起分发，推理前请先通过国内下载源拉取至本地缓存（推荐使用 ModelScope，若失败则回退至 HF 镜像）：

# 方式一：ModelScope（国内直连，最快）
pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
python -c "from modelscope import snapshot_download; snapshot_download('facebook/PE-Core-S16-384', cache_dir='./weights')"

# 方式二：HF 镜像（hf-mirror.com）
export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download facebook/PE-Core-S16-384 --local-dir ./weights/PE-Core-S16-384

inference.py will automatically locate the downloaded weights based on WEIGHTS_ROOT (default /data/model-agent/weights/phase3).
You can also use an environment variable to point to the ./weights directory above: WEIGHTS_ROOT=./weights python inference.py

Hardware: Single-card Ascend 910B4 (npu:2)

3. Step-by-step Inference Workflow

conda activate pix2struct-npu
python inference.py          # NPU 推理
python eval_accuracy.py      # CPU vs NPU 精度对比
python benchmark.py          # NPU 性能基准

推理示例（真实输入，可复现）

import torch, torch_npu
from transformers import AutoModel, AutoTokenizer
m = AutoModel.from_pretrained("facebook/PE-Core-S16-384", trust_remote_code=True).to("npu:0").eval()
tok = AutoTokenizer.from_pretrained("facebook/PE-Core-S16-384", trust_remote_code=True)
inputs = tok("How to use this model?", return_tensors="pt").to("npu:0")
outputs = m(**inputs)

4. 完整测试用例与输出结果

输入：示例文本/序列（参见 inference.py）

输出（源自 logs/inference.log）：

5. CPU 与 NPU 精度对比（仅记录，无硬性约束）

指标	数值
最大绝对误差	不适用
相对误差	不适用
余弦相似度	不适用

注：本次适配无精度要求，精度数据仅作为质量佐证。详见 logs/accuracy.log。

6. NPU 推理性能

指标	数值
平均延迟	不适用
P50 延迟	不适用
吞吐量	不适用

7. 自验证截图（assets/）

文件	内容
agent_workflow.png	Agent 完整适配工作流
npu_device_call.png	推理时 npu-smi 信息（Ascend910B4）
model_result.png	适配验收结果

8. 标签

#NPU #Ascend #Ascend910 #model-agent-tagged

仓库：https://gitcode.com/v_50/facebook-PE-Core-S16-384-NPU 适配日期：2026-08-12 ｜赛道：第二季·模型适配·阶段三