timm/efficientnetv2_rw_s.ra2_in1k on Ascend NPU

1. 简介

本项目将 timm/efficientnetv2_rw_s.ra2_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。模型通过 ModelScope 下载本地权重，使用 timm.create_model(pretrained=False) 加载，并在 NPU 上完成真实推理验证、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

推理结果 (NPU Top-5):

• Top-1: class_644 (0.0030)
• Top-2: class_111 (0.0025)
• Top-3: class_530 (0.0021)
• Top-4: class_769 (0.0020)
• Top-5: class_701 (0.0020)

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_644
• NPU Top-1: class_644
• CPU Top-5: class_644, class_111, class_530, class_769, class_701
• NPU Top-5: class_644, class_111, class_530, class_769, class_701
• Top-1 match: True
• Top-5 match: True

5. 性能参考

设备: Ascend910_9362，输入: (1, 3, 288, 288)，预热 2 轮，正式测试 10 轮。

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/inference.log — NPU 推理输出
• logs/accuracy.log — CPU-NPU 精度一致性验证
• logs/benchmark.log — NPU 性能基准测试
• logs/env_check.log — NPU 环境检查

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 从 HuggingFace 自动下载。
• 模型输入尺寸为 288x288，由 timm.data.resolve_model_data_config 自动解析。
• 推理和测试均使用单卡 NPU (npu:0)。

10. 标签

#NPU