timm/tf_efficientnetv2_m.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnetv2_m.in1k 图片分类模型适配到华为昇腾 NPU（Ascend910）上运行。使用 ModelScope snapshot_download 下载模型权重，通过 timm.create_model(pretrained=False) 创建模型结构并加载本地权重，在单卡 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

3. 推理运行

pip install -r requirements.txt
python inference.py

推理使用单卡 npu:0，输入 shape 为 [1, 3, 384, 384]，输出 shape 为 [1, 1000]。

Top-5 预测结果示例：

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_111
• NPU Top-1: class_111
• CPU Top-5: class_111, class_644, class_78, class_980, class_103
• NPU Top-5: class_111, class_644, class_78, class_980, class_103
• Top-1 match: True
• Top-5 match: True

5. 性能参考

测试配置：warmup 2 次，正式测试 10 次，单卡 npu:0，batch_size=1，输入 [1, 3, 384, 384]。

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 与 screenshots/self_verification.txt。

8. 日志文件

9. 注意事项

• 本项目不包含模型权重文件，权重需通过 modelscope 自动下载或手动放置。
• 首次运行时会通过 snapshot_download 从 ModelScope 下载权重到本地缓存目录。
• 严禁使用 timm.create_model(..., pretrained=True) 触发 HuggingFace 直连下载。
• 测试图片为占位图（网络不可用），实际部署时请替换为真实图片。

10. 标签 #NPU

#NPU #Ascend #Ascend910 #Huawei #timm #EfficientNetV2