z
zhangyuge147/timm-davit_base.msft_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/davit_base.msft_in1k on Ascend NPU

1. 简介

本项目将 timm/davit_base.msft_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。使用 ModelScope 下载本地权重，timm.create_model(pretrained=False) 加载，支持真实 NPU 推理、CPU-NPU 精度一致性验证和性能基准测试。

2. 验证环境

  • NPU: Ascend910 (双卡)
  • CANN: 8.5.1
  • PyTorch: 2.x
  • torch_npu: 已安装
  • OS: Linux aarch64

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_532 (0.1091)
  • Top-2: class_535 (0.0905)
  • Top-3: class_577 (0.0444)
  • Top-4: class_931 (0.0422)
  • Top-5: class_787 (0.0368)

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：

指标数值
max_abs_error0.031738
mean_abs_error0.006138
relative_error0.6786%
cosine_similarity0.999978
threshold1.0%
结果PASS
  • CPU Top-1: class_532
  • NPU Top-1: class_532
  • CPU Top-5: class_532, class_535, class_577, class_931, class_787
  • NPU Top-5: class_532, class_535, class_577, class_931, class_787
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
batch_size1
warmup2
runs10
avg_latency_ms16.82
min_latency_ms16.10
max_latency_ms18.87
p50_latency_ms16.71
p90_latency_ms18.87
p95_latency_ms18.87
images_per_sec59.46

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 — NPU 环境信息
  • logs/inference.log — 推理结果
  • logs/accuracy.log — CPU-NPU 精度一致性
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存，严禁使用 pretrained=True 从 HuggingFace 自动下载。
  2. 推理时使用 timm.data.resolve_model_data_config 获取模型对应的预处理参数，确保与训练时一致。
  3. 运行前请确认 torch_npu 已正确安装且 NPU 设备可用。

10. 标签

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