timm/tf_efficientnet_lite1.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_lite1.in1k 适配到华为昇腾 NPU (Ascend910B) 上运行。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重。

2. 验证环境

硬件: 华为昇腾 910B
PyTorch: 2.10.0
timm: 1.0.27

3. 推理运行

python inference.py

推理结果示例（单张测试图片）：

Rank	Class	Probability
1	class_958	0.1301
2	class_649	0.0597
3	class_975	0.03
4	class_912	0.0263
5	class_978	0.0262

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_error	0.005384
mean_abs_error	0.00126
relative_error	0.1488%
cosine_similarity	0.999999
threshold	1.0%
结果	PASS

CPU Top-1: class_958
NPU Top-1: class_958
CPU Top-5: class_958, class_649, class_975, class_912, class_978
NPU Top-5: class_958, class_649, class_975, class_912, class_978
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
平均延迟	14.1 ms
吞吐量	70.9 images/sec

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。

7. 日志文件

logs/inference.log
logs/accuracy.log
logs/benchmark.log

8. 注意事项

单卡 NPU 推理
ModelScope 权重下载
不使用 HuggingFace 直连

9. 竞赛提交信息

项目	链接
原始权重模型地址	https://modelscope.cn/models/timm/tf_efficientnet_lite1.in1k
提交项目地址	https://gitcode.com/v50_/timm-tf_efficientnet_lite1.in1k-NPU

提交说明: 适配 timm/tf_efficientnet_lite1.in1k 到昇腾 NPU (Ascend910)。使用 ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。精度: PASS (relative_error=0.1488%)。吞吐量: 70.9 images/sec

10. 标签

#NPU