本工程将 timm/mobilenetv3_small_050.lamb_in1k 图片分类模型适配为可在华为昇腾 NPU (Ascend910) 上运行的推理工程。使用 ModelScope 下载模型权重，通过 timm 库加载模型并进行 NPU 推理。
# 安装依赖
pip install -r requirements.txt
# 运行推理
python inference.py推理结果会输出 Top-5 预测类别及其概率。
python eval_accuracy.py对单张测试图片进行 CPU 与 NPU 一致性验证：
| 指标 | 数值 |
|---|---|
| max_abs_error | 0.100558 |
| mean_abs_error | 0.024184 |
| relative_error | 0.7600% |
| cosine_similarity | 0.999971 |
| threshold | 1.0% |
| 结果 | PASS |
NPU 性能基准测试（10 次平均）：
注意：本工程仅进行 smoke consistency 验证（CPU-NPU 输出一致性检查），非官方精度验证。正式精度评测需要在完整 ImageNet 验证集上进行。
关键验证结果：
logs/env_check.log - 环境检查日志logs/inference.log - 推理结果日志logs/accuracy.log - 精度验证日志logs/benchmark.log - 性能基准测试日志本工程专为昇腾 NPU 适配，标签：#NPU