timm/swin_large_patch4_window7_224.ms_in22k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/swin_large_patch4_window7_224.ms_in22k_ft_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

NPU: Ascend910
CANN: 8.5.1
torch_npu: available

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

Top-1: class_970 (0.7029)
Top-2: class_972 (0.1107)
Top-3: class_979 (0.1010)
Top-4: class_350 (0.0028)
Top-5: class_976 (0.0012)

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_error	0.008406
mean_abs_error	0.001946
relative_error	0.4897%
cosine_similarity	0.999993
threshold	1.0%
结果	PASS

CPU Top-1: class_970
NPU Top-1: class_970
CPU Top-5: class_970, class_972, class_979, class_350, class_976
NPU Top-5: class_970, class_972, class_979, class_350, class_976
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
batch_size	1
iterations	10
avg_latency(ms)	28.28
min_latency(ms)	16.82
max_latency(ms)	57.67
p50_latency(ms)	17.60
p90_latency(ms)	54.15
p95_latency(ms)	55.91
images_per_sec	35.35

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/inference.log — 推理输出
logs/accuracy.log — 精度一致性结果
logs/benchmark.log — 性能基准测试结果
logs/env_check.log — NPU 环境检查

9. 注意事项

权重通过 ModelScope 下载，不随本仓库提交
运行前请确保 NPU 环境可用
首次运行会自动下载模型权重（约 751MB）

10. 标签

#NPU