timm-tf_mobilenetv3_small_minimal_100.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_mobilenetv3_small_minimal_100.in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	0.999998
最大绝对误差	0.010216
NPU 推理时间	3.73ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_mobilenetv3_small_minimal_100.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.9289711117744446, 1.3612138032913208, -1.4280500411987305, -3.2719106674194336, -0.2472665160894394]
推理时间: 181.84ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.9282577633857727, 1.3569419384002686, -1.430401086807251, -3.2707717418670654, -0.2502410113811493]
推理时间: 3.73ms

=== 精度对比 ===
Cosine Similarity: 0.999998
Max Absolute Error: 0.010216
Relative Error: 0.008675

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999998（> 0.99 为通过）
最大绝对误差：0.010216

timm-tf_mobilenetv3_small_minimal_100.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_mobilenetv3_small_minimal_100.in1k
来源: timm
任务: ImageNet 图像分类

2. 昇腾 NPU 适配结果

指标	值
设备	Ascend 910B4
精度	float32
余弦相似度	0.999998
最大绝对误差	0.010216
NPU 推理时间	3.73ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_mobilenetv3_small_minimal_100.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.9289711117744446, 1.3612138032913208, -1.4280500411987305, -3.2719106674194336, -0.2472665160894394]
推理时间: 181.84ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.9282577633857727, 1.3569419384002686, -1.430401086807251, -3.2707717418670654, -0.2502410113811493]
推理时间: 3.73ms

=== 精度对比 ===
Cosine Similarity: 0.999998
Max Absolute Error: 0.010216
Relative Error: 0.008675

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999998（> 0.99 为通过）
最大绝对误差：0.010216