timm/tf_mobilenetv3_small_100.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_mobilenetv3_small_100.in1k 图片分类模型适配到华为昇腾 NPU (Ascend910) 上运行。

• 模型来源: ModelScope - timm/tf_mobilenetv3_small_100.in1k
• 模型类型: 图片分类 (Image Classification)
• 输入尺寸: 224x224
• 类别数: 1000 (ImageNet-1k)
• 适配方式: timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_248 (0.386841)
• Top-2: class_174 (0.178046)
• Top-3: class_249 (0.064500)
• Top-4: class_269 (0.060382)
• Top-5: class_250 (0.056906)

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：

• CPU Top-1: class_248
• NPU Top-1: class_248
• CPU Top-5: class_248, class_174, class_249, class_269, class_250
• NPU Top-5: class_248, class_174, class_249, class_269, class_250
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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 和 screenshots/self_verification.txt。

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
• logs/env_check.log - 环境检查日志

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，不使用 HuggingFace 自动下载。
2. timm.create_model 必须设置 pretrained=False，再通过 load_state_dict 加载本地权重。
3. 推理和测试前使用 torch.npu.synchronize() 确保 NPU 同步。

10. 标签

#NPU #Ascend #Ascend910 #ImageClassification #timm