timm/tf_efficientnetv2_l.in21k on Ascend NPU

1. 简介

将 timm 的 EfficientNetV2-L (ImageNet-21k 预训练) 模型适配到单卡昇腾 NPU (Ascend910)。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。

• 模型: tf_efficientnetv2_l.in21k
• 参数量: ~145M
• 输出类别数: 21843 (ImageNet-21k)
• 权重文件: model.safetensors (556 MB)

2. 验证环境

• 硬件: Huawei Ascend 910 (64GB HBM)
• OS: Linux 5.10.0-182.0.0.95.r2220_156.hce2.aarch64
• Python: 3.x
• PyTorch: 2.x + torch_npu
• timm: latest
• ModelScope: latest
• 设备: npu:0 (Ascend910_9362)

3. 推理运行

cd timm-tf_efficientnetv2_l.in21k-NPU
pip install -r requirements.txt
python inference.py

推理日志 logs/inference.log 示例:

Model: timm/tf_efficientnetv2_l.in21k
Output shape: torch.Size([1, 21843])
Device: npu:0
Missing keys: 0, Unexpected keys: 0

Top-5 Predictions:
  1. class_11871 (0.93%)
  2. class_6255 (0.62%)
  3. class_10987 (0.50%)
  4. class_8310 (0.40%)
  5. class_10323 (0.36%)

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_11871
• NPU Top-1: class_11871
• CPU Top-5: class_11871, class_6255, class_10987, class_8310, class_10323
• NPU Top-5: class_11871, class_6255, class_10987, class_8310, class_10323
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试条件: batch=1, 输入 224x224, 预热 3 次 + 正式 20 次, 单卡 Ascend 910。

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

• 该模型为 ImageNet-21k 预训练，输出 21843 个类别，无 id2label 映射，以 class_x 形式展示
• 使用 ModelScope snapshot_download 作为唯一下载方式，不使用 HuggingFace 直连
• 使用 timm.create_model(pretrained=False) + 本地 safetensors 权重加载
• 权重文件未提交到仓库

10. 标签

#NPU #Ascend #Ascend910 #EfficientNetV2 #ImageNet21k #ImageClassification