timm/tf_efficientnetv2_b1.in1k on Ascend NPU

1. 简介

将 timm 预训练模型 tf_efficientnetv2_b1.in1k（EfficientNetV2-B1，ImageNet-1K）适配到华为昇腾 NPU（Ascend910B）。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

项目	值
NPU	Ascend910B
PyTorch	2.x
torch_npu	已安装
timm	已安装
模型大小	31.4 MB (safetensors)

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出示例（NPU, npu:0）：

Top-1: class_0611 (prob=0.2189)
Top-5: class_0611, class_0696, class_0673, class_0508, class_0681

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	0.002882
mean_abs_error	0.000580
relative_error	0.0616%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_611
NPU Top-1: class_611
CPU Top-5: class_611, class_696, class_673, class_508, class_681
NPU Top-5: class_611, class_696, class_673, class_508, class_681
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	值
平均延迟	10.08 ms
最小延迟	9.99 ms
最大延迟	10.17 ms
P50 延迟	10.08 ms
P90 延迟	10.13 ms
P95 延迟	10.15 ms
吞吐量	99.24 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

见 screenshots/self_verification.png。

8. 日志文件

logs/inference.log — 推理结果
logs/accuracy.log — 精度验证
logs/benchmark.log — 性能基准
logs/env_check.log — 环境检查

9. 注意事项

模型通过 ModelScope snapshot_download 下载，禁止 HuggingFace 直连
使用 timm.create_model(pretrained=False) + 本地 safetensors 权重加载
权重文件不提交到仓库

10. 标签 #NPU