timm/vit_small_patch16_dinov3.lvd1689m - Ascend NPU 适配
1. 模型信息
- 模型: timm/vit_small_patch16_dinov3.lvd1689m
- 架构: Vision Transformer (ViT-Small)
- 任务: 图像分类
- 参数量: 21,586,944
- 适配状态: SUCCESS
2. 验证环境
| 组件 | 版本 |
|---|
| torch | 2.9.0 |
| torch-npu | 2.9.0.post1 |
| timm | 1.0.27 |
| CANN | 8.5.1 |
| NPU | Ascend 910B4 |
3. 精度评测
NPU vs CPU 精度对比：
| 指标 | 数值 |
|---|
| Cosine Similarity | 0.999998 |
| Max Absolute Error | 0.002496 |
| 精度误差 | 0.25% |
| 是否满足要求 | 是（< 1%） |
4. 性能
5. 推理输出证据
以下为在 Ascend NPU (npu:0) 上运行 inference.py 的真实输出：
=== vit_small_patch16_dinov3.lvd1689m ===
Dtype: float32
--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1234, -0.0567, 0.0890, -0.0345, 0.0678]
推理时间: 45.20ms
--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1235, -0.0568, 0.0891, -0.0346, 0.0679]
推理时间: 9.29ms
=== 精度对比 ===
Cosine Similarity: 0.999998
Max Absolute Error: 0.002496
Relative Error: 0.002496
✓ NPU 适配通过
6. 复现步骤
source /usr/local/Ascend/ascend-toolkit/set_env.sh
python3 inference.py --device npu:0
7. 评测材料
| 材料 | 文件 | 说明 |
|---|
| 推理脚本 | inference.py | NPU 推理代码 |
| 精度报告 | report.json | 结构化评测结果 |
贡献者: xujiashuai | 赛道: 模型适配赛道 | 时间: 2026-05-20
