timm/tf_mobilenetv3_small_100.in1k on Ascend NPU

1. 简介

将 timm 模型 tf_mobilenetv3_small_100.in1k（MobileNetV3-Small，ImageNet-1k 分类）适配为可在单卡华为昇腾 NPU（Ascend910）上运行的提交工程。

• 模型来源：ModelScope (timm/tf_mobilenetv3_small_100.in1k)
• 模型结构：timm.create_model("tf_mobilenetv3_small_100.in1k", pretrained=False)
• 权重加载：ModelScope snapshot_download + 本地 safetensors 加载
• 兼容性等级：A（timm/*，最佳）

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理输出示例：

Top-1: class_970 (prob=0.1415)
Top-2: class_979 (prob=0.1216)
Top-3: class_888 (prob=0.0902)
Top-4: class_912 (prob=0.0660)
Top-5: class_525 (prob=0.0511)

4. 精度验证

python eval_accuracy.py

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1 与 NPU Top-1 类别一致
• CPU Top-5 与 NPU Top-5 类别一致

5. 性能参考

测试条件：batch_size=1, input=[1,3,224,224], 预热 2 次 + 正式 10 次。

6. 精度评测

本项目仅执行 smoke consistency 验证（CPU vs NPU Top-1/Top-5 一致性），非 ImageNet 官方精度评测。

7. 自验证截图

详见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

• 本工程不提交模型权重（*.bin, *.safetensors 等已在 .gitignore 中排除）
• 使用 pretrained=False + 本地权重加载，不使用 HuggingFace 直连下载
• 不使用 fallback

10. 标签

#NPU