cv_vit-base_patch32_224.in21k 在昇腾 NPU 上的适配

1. 简介

• 模型来源：google/vit-base-patch32-224-in21k
• 架构：ViT-Base（patch_size=32，hidden_size=768，num_layers=12）
• 参数量：88,045,824
• 任务：图像分类（ImageNet-21k 预训练）
• 适配状态：成功
• 适配时间：2026-05-17

2. 验证环境

3. 精度评测

4. 性能

5. 适配说明

使用 transformers ViTModel.from_pretrained 直接加载预训练权重。输入为随机图像张量 (1, 3, 224, 224)，比较 last_hidden_state 输出。

6. 推理输出证据

Model: cv_vit-base_patch32_224.in21k
Output shape: [1, 50, 768]
Latency: 6.38ms
Cosine Similarity: 0.999990
Max Abs Error: 0.005906

7. CPU 与 NPU 精度对比