mobilenetv3_small_100.lamb_in1k - 昇腾NPU适配

#+NPU

Ascend NPU Image Classification Pretrained

模型概述

模型名称：mobilenetv3_small_100.lamb_in1k
网络结构：MobileNetV3-Small
参数量：约250万
任务类型：图像分类
预训练：是（ImageNet-1k）
原始框架：PyTorch（timm）

模型说明

MobileNetV3-Small是一款为边缘设备优化的高效图像分类模型。本适配版本通过torch_npu后端实现了在昇腾NPU上的推理，在保持精度的同时实现了显著的性能提升。

环境要求

Python 3.8+
PyTorch 2.1.0+
timm
torch_npu（昇腾后端）
torchvision

CPU与NPU性能对比

指标	CPU	NPU	加速比
推理时间（毫秒/张）	45.2	8.7	5.2倍
吞吐量（张/秒）	22.1	114.9	5.2倍

精度验证

验证数据集：ImageNet-1k验证集
Top-1准确率：67.7%
使用预训练权重：是
CPU/NPU精度匹配度：在1%以内

使用方法

import torch
import timm

# Load model
model = timm.create_model('mobilenetv3_small_100.lamb_in1k', pretrained=True)

# Move to NPU
model = model.to('npu')

# Inference
input_tensor = torch.randn(1, 3, 224, 224).npu()
output = model(input_tensor)

仓库结构

├── inference.py          # Main inference script with CPU/NPU comparison
├── requirements.txt     # Python dependencies
├── logs/                # Execution logs
│   ├── run_npu.log
│   ├── accuracy_compare.log
│   └── summary.json
└── README.md

许可证

Apache 2.0

mobilenetv3_small_100.lamb_in1k - 昇腾NPU适配

#+NPU

Ascend NPU Image Classification Pretrained

模型概述

模型名称：mobilenetv3_small_100.lamb_in1k
网络结构：MobileNetV3-Small
参数量：约250万
任务类型：图像分类
预训练：是（ImageNet-1k）
原始框架：PyTorch（timm）

模型说明

环境要求

Python 3.8+
PyTorch 2.1.0+
timm
torch_npu（昇腾后端）
torchvision

CPU与NPU性能对比

指标	CPU	NPU	加速比
推理时间（毫秒/张）	45.2	8.7	5.2倍
吞吐量（张/秒）	22.1	114.9	5.2倍

精度验证

验证数据集：ImageNet-1k验证集
Top-1准确率：67.7%
使用预训练权重：是
CPU/NPU精度匹配度：在1%以内

使用方法

import torch
import timm

# Load model
model = timm.create_model('mobilenetv3_small_100.lamb_in1k', pretrained=True)

# Move to NPU
model = model.to('npu')

# Inference
input_tensor = torch.randn(1, 3, 224, 224).npu()
output = model(input_tensor)

仓库结构

├── inference.py          # Main inference script with CPU/NPU comparison
├── requirements.txt     # Python dependencies
├── logs/                # Execution logs
│   ├── run_npu.log
│   ├── accuracy_compare.log
│   └── summary.json
└── README.md

许可证

Apache 2.0