timm/vit_base_patch16_224.augreg2_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_base_patch16_224.augreg2_in21k_ft_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）上运行。

• 模型类型: Vision Transformer (ViT) 图片分类
• 输入尺寸: 224x224
• 输出类别: 1000 (ImageNet-1k)
• 权重来源: ModelScope snapshot_download
• 加载方式: timm.create_model(pretrained=False) + 本地 safetensors 权重

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_970 (0.805570)
• Top-2: class_979 (0.027912)
• Top-3: class_672 (0.007108)
• Top-4: class_972 (0.005361)
• Top-5: class_795 (0.005083)

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：

• CPU Top-1: class_970
• NPU Top-1: class_970
• CPU Top-5: class_970, class_979, class_672, class_972, class_795
• NPU Top-5: class_970, class_979, class_672, class_972, class_795
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1, input_shape=[1,3,224,224], NPU 预热 2 次 + 正式 10 次取平均。

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

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
2. 推理前使用 timm.data.resolve_model_data_config + create_transform 进行预处理。
3. 模型已设置为 eval() 模式，关闭 dropout 等随机行为。
4. 本仓库不包含权重文件（.bin, .safetensors, .pth 等已加入 .gitignore）。

10. 标签

#NPU #Ascend #Ascend910 #timm #ViT #image-classification