waylong/timm-swin_tiny_patch4_window7_224.ms_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/swin_tiny_patch4_window7_224.ms_in1k on Ascend NPU

1. 简介

本项目将 timm/swin_tiny_patch4_window7_224.ms_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）运行。使用 ModelScope 下载权重，timm.create_model(pretrained=False) 加载本地权重，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

  • NPU: Ascend910
  • CANN: 8.5.1
  • Python: 3.11
  • PyTorch: 2.x
  • torch_npu: available

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_878 (0.5910)
  • Top-2: class_810 (0.2858)
  • Top-3: class_508 (0.0007)
  • Top-4: class_974 (0.0005)
  • Top-5: class_107 (0.0005)

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_error0.005808
mean_abs_error0.000799
relative_error0.2679%
cosine_similarity0.999998
threshold1.0%
结果PASS
  • CPU Top-1: class_878
  • NPU Top-1: class_878
  • CPU Top-5: class_878, class_810, class_508, class_974, class_107
  • NPU Top-5: class_878, class_810, class_508, class_974, class_107
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
iterations10
avg_time(s)0.009229
min_time(s)0.009131
max_time(s)0.009381
p50_time(s)0.009219
p90_time(s)0.009381
p95_time(s)0.009381
images_per_sec108.36

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

9. 注意事项

  • 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载
  • 模型加载时存在 17 个 unexpected keys（主要为 relative_position_index 和 attn_mask buffer），属正常情况，不影响推理

10. 标签

#NPU #Ascend #timm #SwinTransformer #image-classification