timm/vit_small_patch32_224.augreg_in21k on Ascend NPU

1. 简介

本项目将 timm/vit_small_patch32_224.augreg_in21k 模型适配到单卡昇腾 NPU (Ascend910) 上运行。该模型是基于 Vision Transformer (ViT) 的图片分类模型，使用 ImageNet-21k 预训练权重，输出 21843 个类别。

适配方式：

• 通过 ModelScope snapshot_download 下载本地权重
• 使用 timm.create_model(..., pretrained=False) 创建模型并加载本地权重
• 使用 timm.data.resolve_model_data_config + create_transform 进行预处理
• 在 npu:0 上执行真实推理

2. 验证环境

详细环境信息见 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_21713 (0.001711)
• Top-2: class_8453 (0.000896)
• Top-3: class_7585 (0.000872)
• Top-4: class_5363 (0.000852)
• Top-5: class_6978 (0.000838)

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_21713
• NPU Top-1: class_21713
• CPU Top-5: class_21713, class_8453, class_7585, class_5363, class_6978
• NPU Top-5: class_21713, class_8453, class_7585, class_5363, class_6978
• 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. 本模型为 ImageNet-21k 预训练，输出类别数为 21843，非标准 ImageNet-1k 的 1000 类。
2. 权重通过 ModelScope 下载，严禁使用 timm.create_model(..., pretrained=True) 自动从 HuggingFace 下载。
3. 测试图片为占位图（网络不可用时生成），实际部署时替换为真实图片即可。

10. 标签

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