timm/tf_efficientnetv2_l.in21k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnetv2_l.in21k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。模型使用 ImageNet-21k 预训练权重，输出 21843 类分类结果。

2. 验证环境

NPU: Ascend910
CANN: 8.5.1
Python: 3.11
PyTorch: 2.x
torch_npu: 已安装

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

Top-1: class_12061 (0.181316)
Top-2: class_8861 (0.067897)
Top-3: class_6663 (0.055654)
Top-4: class_21312 (0.049713)
Top-5: class_19154 (0.045687)

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_error	0.011542
mean_abs_error	0.001574
relative_error	0.0884%
cosine_similarity	1.000000
threshold	1.0%
结果	PASS

CPU Top-1: class_12061
NPU Top-1: class_12061
CPU Top-5: class_12061, class_8861, class_6663, class_21312, class_19154
NPU Top-5: class_12061, class_8861, class_6663, class_21312, class_19154
Top-1 match: True
Top-5 match: True

5. 性能参考

指标	数值
runs	10
avg_time(s)	0.029828
min_time(s)	0.029593
max_time(s)	0.030373
p50_time(s)	0.029728
p90_time(s)	0.030373
p95_time(s)	0.030373
images_per_sec	33.53

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 — 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

本模型使用 timm.create_model(..., pretrained=False) 加载结构，通过 modelscope.snapshot_download 下载并本地加载权重。
严禁通过 HuggingFace 或 timm 自动下载权重。
输入预处理通过 timm.data.resolve_model_data_config 自动获取。

10. 标签

#NPU #Ascend #Ascend910 #timm #efficientnetv2