timm/mobilenetv3_small_050.lamb_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilenetv3_small_050.lamb_in1k 图像分类模型适配到华为昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope snapshot_download 下载权重，使用 timm 库创建模型结构并加载本地权重，在 NPU 上完成单图推理、CPU-NPU 精度一致性验证与性能基准测试。

2. 验证环境

• NPU: Ascend910_9362
• CANN: 8.5.1
• PyTorch: 2.9.0+cpu
• torch_npu: 可用
• timm: 1.0.27
• modelscope: 1.35.3

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU):

Model: timm/mobilenetv3_small_050.lamb_in1k
Weights: /opt/atomgit/.cache/modelscope/hub/models/timm/mobilenetv3_small_050___lamb_in1k/model.safetensors
Missing keys: 0, Unexpected keys: 0
Input shape: (1, 3, 224, 224)
Output shape: (1, 1000)

Top-5 predictions (NPU):
  1. class=972, prob=0.372148
  2. class=979, prob=0.045396
  3. class=663, prob=0.038370
  4. class=820, prob=0.030488
  5. class=888, prob=0.025310

日志保存在 logs/inference.log。

4. 精度验证

对单张测试输入进行 CPU 与 NPU 一致性验证：

5. 性能参考

测试条件：batch=1，10 次运行，输入尺寸 224x224，NPU 预热 2 次。

6. 精度评测说明

本项目包含单输入 smoke consistency 验证，非官方完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png 与 screenshots/self_verification.txt。

8. 日志文件

• logs/inference.log — 推理输出
• logs/accuracy.log — CPU-NPU 精度一致性检查结果
• logs/benchmark.log — 性能基准测试结果
• logs/env_check.log — NPU 环境检查
• logs/paths.txt — 模型下载路径记录

9. 注意事项

• 权重文件通过 ModelScope snapshot_download 自动下载到本地缓存，推理脚本从本地加载，不触发 HuggingFace 自动下载。
• 运行前请确保 NPU 驱动与 CANN 工具链已正确安装，torch_npu 可正常导入。
• 测试图片为随机网络图片，仅用于 smoke test，分类结果不具备语义参考意义。

10. 标签

#NPU