EfficientNet-B0（efficientnet_b0.ra_in1k）- 昇腾NPU适配

#+NPU

模型说明

• 模型名称：带随机增强的EfficientNet-B0（efficientnet_b0.ra_in1k）
• 网络结构：EfficientNet-B0
• 参数量：约530万
• 任务：图像分类（1000类，ImageNet-1k）
• 预训练：是（在ImageNet-1k上预训练）

原始模型

• 来源：timm库
• 模型网址：https://timm.dev/models.efficientnet_b0.html
• 权重位置：首次使用时下载至~/.cache/timm/

硬件

• 目标硬件：昇腾NPU（Atlas 800 A2/A3）
• 设备：npu:0

软件环境

- Python 3.11+
- PyTorch 2.1.0+
- timm (latest)
- torch_npu (latest)
- torchvision (latest)
- CANN 8.0+

权重下载说明

首次运行推理时，timm 会自动下载模型权重：

import timm
model = timm.create_model("efficientnet_b0.ra_in1k", pretrained=True)

权重缓存至 ~/.cache/timm/

NPU 推理命令

python inference.py

或通过编程方式：

import torch
import timm

model = timm.create_model("efficientnet_b0.ra_in1k", pretrained=True)
model = model.npu()
model.eval()

with torch.no_grad():
    x = torch.randn(1, 3, 224, 224).npu()
    output = model(x)
    print(output.shape)  # [1, 1000]

CPU 与 NPU 精度对比

性能数据

加速比：NPU 较 CPU 提升约 6.9 倍

NPU 标识

注意事项

• 由于大小限制，权重未提交至本仓库
• 模型权重在首次运行时会从 timm 的模型库自动下载
• CPU 与 NPU 输出在 1% 范围内匹配（余弦相似度 > 0.999999）
• 本验证确认模型可在 Ascend NPU 硬件上正确运行