waylong/timm-tf_efficientnet_b7.ns_jft_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_b7.ns_jft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_b7.ns_jft_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。 使用 ModelScope snapshot_download 下载本地权重，timm.create_model(pretrained=False) 加载模型， 包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

  • NPU: Ascend910 (Ascend910_9362)
  • CANN: 8.5.1
  • PyTorch: 兼容版本
  • torch_npu: 兼容版本
  • timm: 最新版

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_908 (0.0013)
  • Top-2: class_111 (0.0013)
  • Top-3: class_911 (0.0013)
  • Top-4: class_600 (0.0013)
  • Top-5: class_21 (0.0012)

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_error0.000224
mean_abs_error0.000052
relative_error0.0917%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_908
  • NPU Top-1: class_908
  • CPU Top-5: class_908, class_111, class_911, class_600, class_21
  • NPU Top-5: class_908, class_111, class_911, class_600, class_21
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
iterations10
avg_latency(s)0.032177
min_latency(s)0.032149
max_latency(s)0.032226
p50_latency(s)0.032175
p90_latency(s)0.032199
p95_latency(s)0.032213
images_per_sec31.08

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。

8. 日志文件

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

9. 注意事项

  • 必须使用 pretrained=False 并通过 ModelScope 下载本地权重加载，严禁使用 HuggingFace 自动下载。
  • 测试图片为占位图，推理概率分布较平，不影响模型适配验证。

10. 标签

#NPU #Ascend #Ascend910 #timm #EfficientNet