timm/tf_efficientnet_lite0.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_lite0.in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 创建结构并加载本地权重，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

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果（Top-5）：

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_649
• NPU Top-1: class_649
• CPU Top-5: class_649, class_979, class_977, class_445, class_984
• NPU Top-5: class_649, class_979, class_977, class_445, class_984
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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

截图内容见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

• 使用 ModelScope snapshot_download 下载模型权重，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) 创建模型结构，通过本地权重加载
• 不提交权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt, *.onnx）
• 测试图片为占位图（网络不可用时）

10. 标签

#NPU