本文档记录 timm/vit_small_patch14_reg4_dinov2.lvd142m 在昇腾 NPU 上的适配验证结果。
| 组件 | 版本 |
|---|---|
torch | 2.9.0 |
torch-npu | 2.9.0.post1 |
transformers | 4.57.6 |
CANN | 8.5.1 |
python inference.py --model-id timm/vit_small_patch14_reg4_dinov2.lvd142m --device npu:0或使用 evaluate.py 进行完整验证：
python evaluate.py --model-id timm/vit_small_patch14_reg4_dinov2.lvd142m --device npu:0 --output report.json功能验证结果：
| 指标 | 结果 |
|---|---|
| 输出形状 | [1, 1374, 384] |
| 是否有 NaN | 否 ✅ |
| 推理状态 | 正常 ✅ |
| 指标 | 数值 |
|---|---|
| 平均延迟 | 6.03 ms |
| 峰值显存 | 0.14 GB |
| 测试轮数 | 10 |
✅ NPU vs CPU 精度对比
| 指标 | 数值 |
|---|---|
| Cosine Similarity | 0.999991 |
| 精度误差 | 0.0009% |
| 是否满足要求 | 是（< 1%）✅ |
| 材料 | 文件 | 说明 |
|---|---|---|
| 推理脚本 | inference.py | 独立可运行的 NPU 推理代码 |
| 精度评测代码 | evaluate.py | CPU vs NPU cosine similarity 对比 |
| 环境检查 | env_check.py | NPU 环境验证脚本 |
| 运行日志 | logs/*.log | 完整执行日志（可复现） |
| 自验证截图 | screenshots/ | 终端验证截图 |
| 精度报告 | report.json | 结构化评测数据 |
| 部署文档 | DEPLOY.md | 环境搭建与验证指南 |
| 依赖清单 | requirements.txt | Python 依赖（uv/pip 安装） |
本模型适配由以下 Agent Skill 完成（6.2 必填）
| 项目 | 内容 |
|---|---|
| Skill 名称 | vision-encoder-npu-adapt |
| 触发条件 | ViT/DINOv2/DINOv3/WebSSL/MAE 架构模型适配到昇腾 NPU |
| 覆盖模型 | 35 个 Vision Transformer 模型 |
| 核心能力 | 自动加载、NPU 迁移、FP16 推理、精度验证、性能基准 |
Agent 自动执行：
python wave1/scripts/run_workflow.py --subgroup 1a_dinov2 --model-id <model_id># Step 1: 环境检查
python3 env_check.py
# Step 2: 验证模型
python3 evaluate.py --model-id timm/vit_small_patch14_reg4_dinov2.lvd142m --device npu:0 --output report.json
# Step 3: 运行推理
python3 inference.py --model-id timm/vit_small_patch14_reg4_dinov2.lvd142m --device npu:0--dtype float32贡献者: xujiashuai 参赛赛道: 模型适配赛道 提交时间: 2026-05-15 19:16:58