timm/vit_tiny_patch16_224.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_tiny_patch16_224.augreg_in21k_ft_in1k 适配到昇腾 NPU（Ascend910）。使用 ModelScope snapshot_download 下载权重，通过 timm.create_model(..., pretrained=False) 创建模型并加载本地权重，实现了推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_623 (0.0246)
• Top-2: class_413 (0.0213)
• Top-3: class_763 (0.0208)
• Top-4: class_708 (0.0151)
• Top-5: class_596 (0.0146)

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_623
• NPU Top-1: class_623
• CPU Top-5: class_623, class_413, class_763, class_708, class_596
• NPU Top-5: class_623, class_413, class_763, class_708, class_596
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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

9. 注意事项

• 权重通过 ModelScope 下载，禁止 HuggingFace 自动下载。
• timm.create_model 必须使用 pretrained=False，再加载本地权重。
• 推理与性能测试均在 npu:0 上执行。

10. 标签

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