xujiashuai/tf_efficientnet_cc_b0_4e_in1k
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

tf_efficientnet_cc_b0_4e_in1k on Ascend NPU

1. 简介

  • 模型来源: tf_efficientnet_cc_b0_4e_in1k
  • 适配状态: SUCCESS
  • 适配时间: 2026-05-19 11:05:58

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
CANN8.5.1
NPUAscend 910B4
OSUbuntu 22.04.5 LTS (aarch64)
Python3.11.14

3. 精度评测

✅ NPU vs CPU 精度对比

指标数值
Cosine Similarity0.999999
Max Absolute Error0.009598
精度误差0.01%
是否满足要求是(< 1%)✅

4. 性能

指标数值
平均延迟9.21 ms
测试轮数10

5. 推理输出证据

============================================================
  模型: tf_efficientnet_cc_b0_4e_in1k
  时间: 2026-05-19 10:56:59
  设备: Ascend NPU (npu:0)
============================================================

=== tf_efficientnet_cc_b0_4e.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.3484002351760864, 0.28562766313552856, 0.5295096635818481, 0.6124082207679749, 1.3172866106033325]
推理时间: 112.54ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.348563551902771, 0.28568533062934875, 0.530097484588623, 0.6123754382133484, 1.3186782598495483]
推理时间: 8.27ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.007258
Relative Error: 0.007054

✓ NPU 适配通过

6. 复现步骤

# 环境准备
source /usr/local/Ascend/ascend-toolkit/set_env.sh

# 运行推理
python3 inference.py --device npu:0

7. 评测材料

材料文件
推理脚本inference.py
精度报告report.json
截图证据screenshots/