sheeps_/timm-tf_efficientnet_l2.ns_jft_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_l2.ns_jft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_l2.ns_jft_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载本地权重，使用 timm.create_model(pretrained=False) 加载，并在 NPU 上完成推理验证、精度一致性检查和性能基准测试。

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
npu-smi25.5.2
PyTorch2.x
torch_npu适配 CANN 8.5.1
timmlatest

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_672 (0.322532)
  • Top-2: class_972 (0.107057)
  • Top-3: class_974 (0.055607)
  • Top-4: class_980 (0.049800)
  • Top-5: class_970 (0.030451)

日志保存在 logs/inference.log。

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_error0.001637
mean_abs_error0.000204
relative_error0.0465%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_672
  • NPU Top-1: class_672
  • CPU Top-5: class_672, class_972, class_974, class_980, class_970
  • NPU Top-5: class_672, class_972, class_974, class_980, class_970
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
Input shape[1, 3, 800, 800]
avg latency185.94 ms
min latency185.00 ms
max latency188.71 ms
p50 latency185.77 ms
p90 latency188.71 ms
p95 latency188.71 ms
throughput5.38 images/sec

日志保存在 logs/benchmark.log。

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/env_check.log — NPU 环境检查
  • logs/inference.log — 推理结果
  • logs/accuracy.log — 精度一致性验证
  • logs/benchmark.log — 性能基准测试

9. 注意事项

  • 模型输入尺寸为 800x800，由 timm.data.resolve_model_data_config 自动解析。
  • 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载。
  • 首次运行会自动下载模型权重（约 1.8GB）。

10. 标签

#NPU #Ascend #Ascend910 #timm #EfficientNet