waylong/timm-tiny_vit_5m_224.dist_in22k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/tiny_vit_5m_224.dist_in22k on Ascend NPU

1. 简介

本项目将 timm/tiny_vit_5m_224.dist_in22k 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) 加载本地权重，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

  • NPU: Ascend910_9362
  • CANN: 8.5.1
  • PyTorch: 2.x
  • torch_npu: 可用
  • 设备健康状态: OK

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_11384 (0.000212)
  • Top-2: class_4334 (0.000204)
  • Top-3: class_8469 (0.000198)
  • Top-4: class_9051 (0.000183)
  • Top-5: class_11531 (0.000168)

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_error0.012220
mean_abs_error0.001458
relative_error0.9514%
cosine_similarity0.999958
threshold1.0%
结果PASS
  • CPU Top-1: class_11384
  • NPU Top-1: class_11384
  • CPU Top-5: class_11384, class_4334, class_8469, class_9051, class_11531
  • NPU Top-5: class_11384, class_4334, class_8469, class_9051, class_11531
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms8.087
min_latency_ms8.004
max_latency_ms8.220
p50_latency_ms8.085
p90_latency_ms8.220
p95_latency_ms8.220
images_per_sec123.65

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 和 screenshots/self_verification.txt。

8. 日志文件

  • logs/inference.log — 推理输出
  • logs/accuracy.log — 精度一致性检查结果
  • logs/benchmark.log — 性能基准测试结果
  • logs/env_check.log — NPU 环境检查
  • logs/stage0.log — 模型可用性验证

9. 注意事项

  • 严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载权重
  • 权重通过 ModelScope snapshot_download 获取并本地加载
  • *.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx 已加入 .gitignore，不提交到仓库
  • 测试图片因网络原因使用了本地生成的占位图

10. 标签

#NPU #Ascend #Ascend910 #image-classification