g
gyccc/timm-tf_efficientnet_lite1.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_lite1.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_lite1.in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 单卡环境。使用 ModelScope snapshot_download 下载权重，通过 timm.create_model(pretrained=False) 加载本地权重，不依赖 HuggingFace 直连。

2. 验证环境

  • 设备：华为昇腾 NPU (Ascend910)
  • 框架：PyTorch + torch_npu
  • 模型：tf_efficientnet_lite1 (EfficientNet-Lite 系列)
  • 输入尺寸：[1, 3, 240, 240]
  • 输出尺寸：[1, 1000]

3. 推理运行

cd timm-tf_efficientnet_lite1.in1k-NPU
pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • class_977 (0.11%)
  • class_979 (0.11%)
  • class_785 (0.11%)
  • class_649 (0.11%)
  • class_973 (0.11%)

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_error0.000379
mean_abs_error0.000088
relative_error0.2726%
cosine_similarity0.999998
threshold1.0%
结果PASS
  • CPU Top-1: class_977
  • NPU Top-1: class_977
  • CPU Top-5: class_977, class_979, class_785, class_649, class_973
  • NPU Top-5: class_977, class_979, class_785, class_649, class_973
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg latency6.72 ms
min latency6.68 ms
max latency6.78 ms
p50 latency6.72 ms
p90 latency6.77 ms
p95 latency6.77 ms
throughput148.81 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 — 推理结果日志
  • logs/accuracy.log — 精度验证日志
  • logs/benchmark.log — 性能基准测试日志

9. 注意事项

  • 使用 ModelScope snapshot_download 下载权重，不使用 HuggingFace 直连
  • timm.create_model(pretrained=False) + 本地权重加载
  • 本项目不提交任何权重文件 (.bin, .safetensors, .pth, .pt, .ckpt, .onnx)
  • 输入尺寸为 240x240 (EfficientNet-Lite 标准输入)

10. 标签 #NPU