timm/tf_efficientnetv2_s.in21k_ft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnetv2_s.in21k_ft_in1k 图片分类模型适配到华为昇腾 NPU (Ascend910)。模型基于 EfficientNetV2-S 架构，使用 ImageNet-21k 预训练并在 ImageNet-1k 上微调，输入分辨率为 224x224，分类数为 1000。

2. 验证环境

• NPU: Ascend910
• CANN: 8.5.1
• PyTorch: 2.x
• torch_npu: 适配版本

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_978 (0.2705)
• Top-2: class_976 (0.2073)
• Top-3: class_525 (0.1884)
• Top-4: class_980 (0.0568)
• Top-5: class_975 (0.0340)

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_978
• NPU Top-1: class_978
• CPU Top-5: class_978, class_976, class_525, class_980, class_975
• NPU Top-5: class_978, class_976, class_525, class_980, class_975
• 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 和 screenshots/self_verification.txt。

8. 日志文件

• logs/env_check.log - 环境检查
• logs/inference.log - 推理结果
• logs/accuracy.log - 精度一致性
• logs/benchmark.log - 性能基准
• logs/paths.txt - 模型路径记录

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，严禁使用 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
• 推理脚本使用 timm.data.resolve_model_data_config + create_transform 进行预处理。
• 模型通过 timm.create_model(pretrained=False) 创建并加载本地权重。

10. 标签

#NPU #Ascend #EfficientNetV2 #ImageClassification