g
gyccc/timm-tf_efficientnet_b2-ns_jft_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/tf_efficientnet_b2.ns_jft_in1k on Ascend NPU

1. 简介

将 timm/tf_efficientnet_b2.ns_jft_in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • 硬件：Ascend910 NPU
  • 框架：PyTorch + torch_npu
  • 模型来源：ModelScope (timm/tf_efficientnet_b2.ns_jft_in1k)
  • 权重格式：safetensors (35.1MB)
  • 模型参数：~9.2M

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

# 查看日志
cat logs/inference.log

Top-5 预测结果：

  • class_698: 0.295384
  • class_743: 0.237321
  • class_663: 0.135149
  • class_576: 0.028984
  • class_762: 0.027992

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

指标数值
max_abs_error0.009065
mean_abs_error0.001171
relative_error0.1886%
cosine_similarity0.999999
threshold1.0%
结果PASS
  • CPU Top-1: class_698
  • NPU Top-1: class_698
  • CPU Top-5: class_698, class_743, class_663, class_576, class_762
  • NPU Top-5: class_698, class_743, class_663, class_576, class_762
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg10.25 ms
min9.98 ms
max10.56 ms
p5010.25 ms
p9010.51 ms
p9510.54 ms
throughput97.56 images/sec

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

详见 screenshots/self_verification.png

8. 日志文件

  • logs/inference.log — 推理输出
  • logs/accuracy.log — 精度验证
  • logs/benchmark.log — 性能基准

9. 注意事项

  • 使用 ModelScope snapshot_download 作为主下载方式，不依赖 HuggingFace 直连
  • 使用 timm.create_model(pretrained=False) + 本地权重加载，不使用 pretrained=True
  • 权重文件不提交到 Git 仓库
  • 本验证为单图 smoke test，非 ImageNet 完整验证集评测

10. 标签

#NPU #Ascend #image-classification #EfficientNet #timm