timm/tiny_vit_5m_224.in1k on Ascend NPU

1. 简介

本项目将 timm/tiny_vit_5m_224.in1k 模型适配到华为昇腾 NPU (Ascend910) 上运行。使用 ModelScope 下载权重，timm 加载模型，支持推理验证、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
• PyTorch: 2.x
• torch_npu: 适配 CANN 8.5.1 版本

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_975 (0.3145)
• Top-2: class_979 (0.1227)
• Top-3: class_970 (0.0434)
• Top-4: class_976 (0.0425)
• Top-5: class_978 (0.0175)

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_975
• NPU Top-1: class_975
• CPU Top-5: class_975, class_979, class_970, class_976, class_978
• NPU Top-5: class_975, class_979, class_970, class_976, class_978
• Top-1 match: True
• Top-5 match: True

5. 性能参考

日志保存在 logs/benchmark.log。

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

• logs/inference.log — NPU 推理输出
• logs/accuracy.log — CPU-NPU 精度一致性检查结果
• logs/benchmark.log — NPU 性能基准测试结果
• logs/env_check.log — NPU 环境信息

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，禁止 HuggingFace 自动下载。
• 模型加载使用 timm.create_model(..., pretrained=False) + 本地权重加载。
• 请勿提交权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）。

10. 标签

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