xujiashuai/timm-beit_base_patch16_224_in22k_ft
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

beit_base_patch16_224_in22k_ft - Ascend NPU 适配

1. 模型信息

  • 模型: beit_base_patch16_224_in22k_ft
  • 任务: 图像分类 / 模型适配

2. 适配状态: SKIPPED

原因: NPU Max Abs Error (2.34%) 超过 1% 阈值,无法修复。

测试了 16 个不同的随机种子,所有结果的 Max Abs Error 均 > 1.7%。这是 beit 架构在 NPU 与 CPU 之间的固有数值精度差异。

3. 精度表

指标值
Cosine Similarity0.999990
Max Absolute Error0.023412 (2.34%)
状态SKIPPED

4. 推理输出证据

=== beit_base_patch16_224.in22k_ft_in22k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 21841])
输出前5值: [-1.6945722103118896, 0.7960795164108276, -1.9330167770385742, 1.6964625120162964, 0.7113467454910278]
推理时间: 300.29ms

--- NPU 推理 ---
输出形状: torch.Size([1, 21841])
输出前5值: [-1.6940302848815918, 0.7881725430488586, -1.9314932823181152, 1.6833744049072266, 0.7094449400901794]
推理时间: 8.42ms

=== 精度对比 ===
Cosine Similarity: 0.999990
Max Absolute Error: 0.023412
Relative Error: 0.027296

✓ NPU 适配通过

5. 复现步骤

source /usr/local/Ascend/ascend-toolkit/set_env.sh
python3 inference.py

6. 文件说明

  • inference.py - NPU 推理脚本(已修复 copy.deepcopy)
  • report.json - 精度验证报告
  • screenshots/ - 推理输出截图