timm/tf_efficientnet_b3.ns_jft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_b3.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：华为 Ascend910 NPU
• 框架：PyTorch + torch_npu
• 模型：timm/tf_efficientnet_b3.ns_jft_in1k（EfficientNet-B3, 1000类）
• 权重来源：ModelScope snapshot_download
• 权重文件：model.safetensors（47.0MB）

3. 推理运行

cd timm-tf_efficientnet_b3-ns_jft_in1k-NPU
pip install -r requirements.txt
python inference.py

推理结果（单张测试图片）：

• Top-1 class: class_0916
• Top-1 prob: 0.0268
• Top-5: class_0916 (0.0268), class_0409 (0.0096), class_0600 (0.0083), class_0413 (0.0065), class_0501 (0.0064)

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_0916
• NPU Top-1: class_0916
• CPU Top-5: class_0916, class_0409, class_0600, class_0413, class_0501
• NPU Top-5: class_0916, class_0409, class_0600, class_0413, class_0501
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件：batch_size=1, warmup=2, benchmark=10, 单卡 NPU。

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

截图位于 screenshots/self_verification.png，包含 NPU 环境、推理结果、精度验证和性能测试摘要。

8. 日志文件

• logs/inference.log — 推理输出与 Top-5 预测
• logs/accuracy.log — CPU-NPU 精度一致性检查
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — NPU 环境检查

9. 注意事项

• 使用 pretrained=False，通过 ModelScope snapshot_download 下载权重后手动加载，不使用 HuggingFace 直连
• 权重文件（*.safetensors, *.bin）未提交到仓库
• 精度验证为单图 smoke test，非完整 ImageNet 评测
• 运行前请确保 NPU 驱动和 torch_npu 已正确安装

10. 标签

#NPU