timm/deit3_small_patch16_384.fb_in22k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/deit3_small_patch16_384.fb_in22k_ft_in1k 模型适配到昇腾 NPU (Ascend910) 上运行。该模型是 DeiT III (Data-efficient Image Transformers v3) Small 版本，patch size 为 16，输入分辨率为 384x384，在 ImageNet-22k 上预训练并在 ImageNet-1k 上微调。

适配方式：通过 ModelScope snapshot_download 下载权重，使用 timm.create_model(pretrained=False) 创建模型并加载本地权重，在单卡 NPU 上完成推理验证、精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_700 (0.0028)
• Top-2: class_838 (0.0028)
• Top-3: class_111 (0.0026)
• Top-4: class_499 (0.0024)
• Top-5: class_680 (0.0024)

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: 700
• NPU Top-1: 700
• CPU Top-5: [700, 838, 111, 499, 680]
• NPU Top-5: [700, 838, 111, 499, 680]
• 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/inference.log — NPU 推理输出
• logs/accuracy.log — CPU-NPU 精度一致性验证
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — NPU 环境检查

9. 注意事项

1. 本模型输入尺寸为 384x384，使用 timm.data.resolve_model_data_config 自动解析预处理参数。
2. 权重通过 ModelScope 下载，严禁使用 pretrained=True 从 HuggingFace 自动下载。
3. 测试图片为占位图，实际部署时请替换为真实图像。

10. 标签

#NPU #Ascend #Ascend910 #timm #deit3 #image-classification