timm/tf_efficientnet_l2.ns_jft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_l2.ns_jft_in1k 模型适配到华为昇腾 NPU（Ascend910）单卡环境。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_l2.ns_jft_in1k)
权重文件：model.safetensors (1836.6 MB)
Missing keys: 0, Unexpected keys: 0

3. 推理运行

# 安装依赖
pip install -r requirements.txt

# 运行推理
python inference.py

推理结果：

输出 shape：[1, 1000]
NPU 推理时间：185.13 ms（预热后）

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_error	0.005150
mean_abs_error	0.000434
relative_error	0.0722%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_904
NPU Top-1: class_904
CPU Top-5: class_904, class_794, class_490, class_669, class_879
NPU Top-5: class_904, class_794, class_490, class_669, class_879
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
avg	185.13 ms
min	185.01 ms
max	185.21 ms
p50	185.15 ms
p90	185.18 ms
p95	185.20 ms
throughput	5.40 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 - 推理日志
logs/accuracy.log - 精度验证日志
logs/benchmark.log - 性能基准日志

9. 注意事项

该模型参数量较大（~1.8GB 权重），首次加载较慢
使用 pretrained=False + 本地权重加载方式
不使用 HuggingFace 直连下载

10. 标签 #NPU