v
v_50/timm-tf_efficientnet_lite1.in1k-NPU
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

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):

RankClassProbability
1class_9580.1301
2class_6490.0597
3class_9750.03
4class_9120.0263
5class_9780.0262

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_error0.005384
mean_abs_error0.00126
relative_error0.1488%
cosine_similarity0.999999
threshold1.0%
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