timm/maxvit_small_tf_224.in1k on Ascend NPU

1. 简介

本项目将 timm/maxvit_small_tf_224.in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）运行。使用 ModelScope snapshot_download 下载权重，通过 timm.create_model(pretrained=False) 加载本地权重，避免 HuggingFace 自动下载。包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_974 (0.0013)
• Top-2: class_680 (0.0013)
• Top-3: class_405 (0.0012)
• Top-4: class_554 (0.0012)
• Top-5: class_669 (0.0012)

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_974
• NPU Top-1: class_974
• CPU Top-5: class_974, class_680, class_405, class_554, class_669
• NPU Top-5: class_974, class_680, class_405, class_554, class_669
• 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 与 screenshots/self_verification.txt。

8. 日志文件

• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性结果
• logs/benchmark.log — 性能基准测试结果
• logs/env_check.log — NPU 环境检查

9. 注意事项

1. 权重通过 ModelScope 下载，首次运行会自动缓存到本地。
2. timm.create_model 必须使用 pretrained=False，禁止从 HuggingFace 自动下载。
3. 推理前请确保 NPU 驱动和 CANN 环境已正确配置。

10. 标签

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