waylong/timm-tf_efficientnet_b3.ap_in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/tf_efficientnet_b3.ap_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_b3.ap_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910) 上运行。

  • 模型来源：timm (PyTorch Image Models)
  • 任务类型：Image Classification
  • 输入尺寸：300x300
  • 类别数：1000 (ImageNet-1k)
  • 权重加载方式：timm.create_model(pretrained=False) + ModelScope 本地权重加载

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.x
torch_npu适配 CANN 8.5.1

环境检查日志：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_853 (0.212729)
  • Top-2: class_911 (0.040327)
  • Top-3: class_825 (0.039078)
  • Top-4: class_991 (0.027695)
  • Top-5: class_852 (0.026679)

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：

指标数值
max_abs_error0.003582
mean_abs_error0.000582
relative_error0.0659%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_853
  • NPU Top-1: class_853
  • CPU Top-5: class_853, class_911, class_825, class_991, class_852
  • NPU Top-5: class_853, class_911, class_825, class_991, class_852
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

单图推理性能（10 次平均）：

指标数值
avg latency11.755 ms
min latency11.334 ms
max latency12.108 ms
p50 latency11.770 ms
p90 latency12.108 ms
p95 latency12.108 ms
throughput85.07 images/sec

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 和 screenshots/self_verification.txt。

8. 日志文件

  • 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
  • logs/env_check.log — 环境检查

9. 注意事项

  • 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载。
  • 推理时使用 timm.data.resolve_model_data_config 获取模型对应的预处理参数。
  • 推理前调用 torch.npu.synchronize() 确保 NPU 计算完成。

10. 标签

#NPU #Ascend #Ascend910 #timm #EfficientNet