timm/mobilevit_xs.cvnets_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilevit_xs.cvnets_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，通过 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、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

项目	版本/型号
NPU	Ascend910
CANN	8.5.1
Python	3.11.14
PyTorch	2.x
torch_npu	可用

环境检查日志：logs/env_check.log

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

Top-1: class_623 (0.029461)
Top-2: class_473 (0.021543)
Top-3: class_763 (0.020691)
Top-4: class_846 (0.016517)
Top-5: class_451 (0.014817)

输入尺寸：[1, 3, 256, 256]
输出尺寸：[1, 1000]
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：

指标	数值
max_abs_error	0.020349
mean_abs_error	0.005900
relative_error	0.5514%
cosine_similarity	0.999989
threshold	1.0%
结果	PASS

CPU Top-1: class_623
NPU Top-1: class_623
CPU Top-5: class_623, class_473, class_763, class_846, class_451
NPU Top-5: class_623, class_473, class_763, class_846, class_451
Top-1 match: True
Top-5 match: True

5. 性能参考

在单卡 Ascend910 NPU 上的基准测试结果：

指标	数值
avg_latency_ms	7.490
min_latency_ms	7.315
max_latency_ms	7.721
p50_latency_ms	7.451
p90_latency_ms	7.721
p95_latency_ms	7.721
images_per_sec	133.51

测试配置：预热 2 次，正式 10 次，每次前后 torch.npu.synchronize()。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

文件	内容
`logs/env_check.log`	NPU 环境检查
`logs/inference.log`	NPU 推理结果
`logs/accuracy.log`	CPU-NPU 精度一致性
`logs/benchmark.log`	NPU 性能基准测试

9. 注意事项

权重通过 ModelScope 下载，严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
模型输入分辨率为 256x256（由 timm.data.resolve_model_data_config 自动解析）。
本项目不包含权重文件（.bin/.safetensors/.pth 等已在 .gitignore 中排除）。

10. 标签

#NPU #Ascend #Ascend910 #mobilevit