timm/deit_small_patch16_224.fb_in1k on Ascend NPU

1. 简介

本项目将 timm/deit_small_patch16_224.fb_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。

使用 ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 加载模型，支持单卡 NPU 推理、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_977 (0.2008)
• Top-2: class_978 (0.1474)
• Top-3: class_872 (0.1381)
• Top-4: class_975 (0.0860)
• Top-5: class_494 (0.0769)

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：

• CPU Top-1: class_977
• NPU Top-1: class_977
• CPU Top-5: class_977, class_978, class_872, class_975, class_494
• NPU Top-5: class_977, class_978, class_872, class_975, class_494
• Top-1 match: True
• Top-5 match: True

5. 性能参考

注：性能数据在单卡 Ascend910 上测得，实际数值可能因驱动/CANN 版本、温度、负载等因素波动。

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

9. 注意事项

1. 权重加载方式：严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。本工程通过 ModelScope snapshot_download 获取本地权重后，以 pretrained=False 创建模型并手动 load_state_dict。
2. NPU 设备：默认使用 npu:0，如需更换设备请修改脚本中的 .to("npu:0")。
3. 测试图片：assets/test.jpg 为随机下载的测试图，仅用于 smoke 验证，不保证分类语义正确性。

10. 标签

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