timm/vit_small_patch16_224.augreg_in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/vit_small_patch16_224.augreg_in21k_ft_in1k 图片分类模型适配到单卡昇腾 NPU（Ascend910）上运行。

• 模型来源: ModelScope (timm)
• 模型类型: Vision Transformer (ViT) 图片分类
• 输入尺寸: 224x224
• 类别数: 1000
• 加载方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

环境检查日志见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_111 (0.0170)
• Top-2: class_499 (0.0155)
• Top-3: class_623 (0.0154)
• Top-4: class_596 (0.0134)
• Top-5: class_512 (0.0111)

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_111
• NPU Top-1: class_111
• CPU Top-5: [111, 499, 623, 596, 512]
• NPU Top-5: [111, 499, 623, 596, 512]
• 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/env_check.log — 环境检查
• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性验证
• 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 直接下载。
2. 预处理使用 timm.data.resolve_model_data_config + create_transform，与 timm 官方保持一致。
3. 推理和性能测试均在 npu:0 上执行，并使用 torch.npu.synchronize() 确保计时准确。
4. 测试图片因网络原因使用了占位图，实际部署时替换为真实图片即可。

10. 标签

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