timm/efficientnet_lite0.ra_in1k on Ascend NPU

1. 简介

本项目将 timm/efficientnet_lite0.ra_in1k 图片分类模型适配到昇腾 NPU (Ascend910)。

模型类型：EfficientNet-Lite0 (image classification, 1000 classes) 适配方式：ModelScope snapshot_download 下载权重，timm.create_model(pretrained=False) 加载本地权重。

2. 验证环境

详见 logs/env_check.log。

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_437 (0.1841)
• Top-2: class_460 (0.0911)
• Top-3: class_872 (0.0877)
• Top-4: class_977 (0.0544)
• Top-5: class_540 (0.0497)

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_437
• NPU Top-1: class_437
• CPU Top-5: class_437, class_460, class_872, class_977, class_540
• NPU Top-5: class_437, class_460, class_872, class_977, class_540
• 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 与 screenshots/self_verification.txt。

8. 日志文件

• logs/env_check.log — NPU 环境信息
• logs/inference.log — 推理结果
• logs/accuracy.log — CPU-NPU 精度一致性
• logs/benchmark.log — 性能基准测试

9. 注意事项

• 权重通过 ModelScope 自动下载，无需手动放置。
• 严禁使用 pretrained=True 从 HuggingFace 自动下载。
• 推理脚本使用 timm.data.resolve_model_data_config 获取模型对应的数据预处理配置。

10. 标签

#NPU #Ascend #EfficientNet #timm #image-classification