waylong/timm-mobilevitv2_050.cvnets_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/mobilevitv2_050.cvnets_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilevitv2_050.cvnets_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。使用 ModelScope snapshot_download 下载本地权重，通过 timm.create_model(..., pretrained=False) 加载，并在 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

  • NPU: Ascend910 (Ascend910_9362)
  • CANN: 8.5.1
  • PyTorch: 2.x
  • torch_npu: 适配 CANN 8.5.1
  • timm: latest

环境检查日志见 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_677 (0.541111)
  • Top-2: class_783 (0.113207)
  • Top-3: class_616 (0.111233)
  • Top-4: class_644 (0.008116)
  • Top-5: class_328 (0.007099)

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_error0.014222
mean_abs_error0.002890
relative_error0.2071%
cosine_similarity0.999998
threshold1.0%
结果PASS
  • CPU Top-1: class_677
  • NPU Top-1: class_677
  • CPU Top-5: class_677, class_783, class_616, class_644, class_328
  • NPU Top-5: class_677, class_783, class_616, class_644, class_328
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

基于单张测试图片在 NPU 上的基准测试（预热 2 次，正式 10 次）：

指标数值
latency_avg_ms6.838
latency_min_ms6.774
latency_max_ms6.935
latency_p50_ms6.845
latency_p90_ms6.868
latency_p95_ms6.868
images_per_sec146.24

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/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 — 性能基准测试

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存，不会提交到 Git 仓库。
  2. timm.create_model 必须设置 pretrained=False，禁止 HuggingFace 自动下载。
  3. 推理时自动使用 timm.data.resolve_model_data_config 获取模型对应的预处理参数。
  4. 本仓库仅包含代码和日志，不包含模型权重文件（.bin / .safetensors / .pth 等已在 .gitignore 中排除）。

10. 标签

#NPU #Ascend #Ascend910 #MobileViTV2 #ImageClassification