timm/mobilenetv3_small_100.lamb_in1k on Ascend NPU

1. 简介

本项目将 timm/mobilenetv3_small_100.lamb_in1k 图片分类模型适配为可在单卡昇腾 NPU（Ascend910B）上运行的工程。

• 模型来源：ModelScope 魔搭社区
• 模型页面：https://www.modelscope.cn/models/timm/mobilenetv3_small_100.lamb_in1k
• 模型类型：Image Classification
• 模型大小：~10 MB
• 输入尺寸：224x224
• 输出类别：1000（ImageNet-1k）

2. 验证环境

3. 推理运行

依赖安装

pip install -r requirements.txt

运行命令

# 单图推理
python inference.py

# CPU vs NPU 一致性验证
python eval_accuracy.py

# 性能基准测试
python benchmark.py

日志路径

• logs/inference.log — 推理结果
• logs/prediction.txt — Top-5 预测摘要
• logs/accuracy.log — CPU/NPU 一致性对比
• logs/benchmark.log — 性能基准结果
• logs/env_check.log — 环境检查

4. Smoke 验证

• torch.npu.is_available(): True
• NPU 设备: Ascend910B4
• 模型加载: timm.create_model(pretrained=False) + ModelScope 本地权重
• 权重文件: model.safetensors
• 预处理: timm.data.resolve_model_data_config + create_transform
• 推理设备: npu:0
• 输出 logits 形状: [1, 1000]

Top-5 预测结果（单图）

注：该模型未提供 id2label 映射文件，使用 class_x 作为占位标签。

5. 性能参考

6. 精度评测

本项目执行 CPU vs NPU Smoke 一致性验证（非官方 ImageNet 数据集精度）。

7. 自验证截图

见 screenshots/self_verification.png 和 screenshots/self_verification.txt。

8. 日志文件

logs/
├── accuracy.log          # CPU/NPU 一致性验证结果
├── accuracy_stdout.log   # eval_accuracy.py 标准输出
├── benchmark.log         # 性能基准测试结果
├── benchmark_stdout.log  # benchmark.py 标准输出
├── env_check.log         # 环境检查信息
├── inference.log         # 推理结果
├── inference_stdout.log  # inference.py 标准输出
├── model_check.log       # 阶段 -1/0 模型检查
└── prediction.txt        # Top-5 预测摘要

9. 注意事项

1. 未使用 pretrained=True：模型结构通过 timm.create_model(pretrained=False) 创建，权重从 ModelScope 本地目录加载，未触发 HuggingFace Hub 下载。
2. 预处理：使用 timm.data.resolve_model_data_config + create_transform 完成官方预处理，未使用 torchvision 默认 transform。
3. 标签：该模型未提供 id2label.json 或标签文件，预测结果使用 class_x 占位。
4. 测试图片：从 picsum.photos 下载的随机图片，用于 smoke 验证，非 ImageNet 标准测试集。
5. torch_npu：通常由昇腾容器环境预装，未在 requirements.txt 中固定版本。
6. 权重文件：工程目录中不包含任何模型权重文件（*.bin, *.safetensors, *.pth, *.pt, *.ckpt），运行时通过 ModelScope 自动下载到缓存目录。
7. 清理：已删除 fusion_result.json 和 kernel_meta/ 目录，并加入 .gitignore。

10. 标签

#NPU #Ascend #MobileNetV3 #ImageClassification #timm #ModelScope