timm/swinv2_tiny_window8_256.ms_in1k on Ascend NPU

1. 简介

本项目将 timm/swinv2_tiny_window8_256.ms_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。

• 模型来源: ModelScope - timm/swinv2_tiny_window8_256.ms_in1k
• 模型类型: Swin Transformer V2 (Tiny)
• 输入尺寸: 256 x 256
• 输出类别: 1000 (ImageNet-1k)
• 适配方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载

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_810 (0.549138)
• Top-2: class_590 (0.089217)
• Top-3: class_878 (0.035498)
• Top-4: class_499 (0.020443)
• Top-5: class_892 (0.006748)

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_810
• NPU Top-1: class_810
• CPU Top-5: class_810, class_590, class_878, class_499, class_892
• NPU Top-5: class_810, class_590, class_878, class_499, class_892
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 和 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

1. 模型权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
2. 推理时通过 timm.data.resolve_model_data_config 自动解析模型预处理配置，确保输入尺寸与模型训练时一致（256x256）。
3. 权重加载时自动处理 module. 前缀和常见的 state_dict 嵌套键（state_dict, model, ema, model_state）。
4. 本仓库不包含模型权重文件（.bin, .safetensors, .pth, .pt, .ckpt, .onnx 均已通过 .gitignore 排除）。

10. 标签

#NPU #Ascend #Ascend910 #timm #SwinTransformerV2 #ImageClassification