waylong/timm-pit_s_224.in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/pit_s_224.in1k on Ascend NPU

1. 简介

本项目将 timm/pit_s_224.in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。

模型类型：Pooling Vision Transformer (PiT-S) 输入尺寸：224x224 类别数：1000 (ImageNet-1k)

2. 验证环境

  • NPU: Ascend910
  • CANN: 8.5.1
  • PyTorch: 2.x
  • torch-npu: 2.x
  • timm: latest

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_701 (0.003311)
  • Top-2: class_600 (0.002655)
  • Top-3: class_974 (0.002404)
  • Top-4: class_549 (0.002396)
  • Top-5: class_111 (0.002362)

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_error0.005950
mean_abs_error0.001382
relative_error0.5426%
cosine_similarity0.999986
threshold1.0%
结果PASS
  • CPU Top-1: class_701
  • NPU Top-1: class_701
  • CPU Top-5: class_701, class_600, class_549, class_974, class_111
  • NPU Top-5: class_701, class_600, class_974, class_549, class_111
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_time5.487 ms
min_time5.454 ms
max_time5.533 ms
p505.498 ms
p905.533 ms
p955.533 ms
images_per_sec182.24

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.txt 与 screenshots/self_verification.png。

8. 日志文件

  • logs/env_check.log — 环境检查
  • logs/inference.log — 推理结果
  • logs/accuracy.log — 精度一致性验证
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 权重通过 ModelScope snapshot_download 本地下载，严禁使用 pretrained=True 从 HuggingFace 自动下载。
  • 推理脚本使用 timm.data.resolve_model_data_config 自动获取模型预处理配置。
  • 精度验证阈值设为 relative_error < 1.0%。

10. 标签

#NPU #Ascend #timm #image-classification