timm-tf_efficientnetv2_b0.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b0.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	1.000000
最大绝对误差	0.003492
NPU 推理时间	9.83ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b0 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.7683377265930176, 0.3807132840156555, 0.41495150327682495, 0.6153929829597473, 1.6657823324203491]
推理时间: 108.19ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.769900918006897, 0.38074401021003723, 0.4151633381843567, 0.6143801808357239, 1.6653085947036743]
推理时间: 9.83ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003492
Relative Error: 0.006283

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 通过）
最大绝对误差：0.003492

timm-tf_efficientnetv2_b0.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b0.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	1.000000
最大绝对误差	0.003492
NPU 推理时间	9.83ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b0 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.7683377265930176, 0.3807132840156555, 0.41495150327682495, 0.6153929829597473, 1.6657823324203491]
推理时间: 108.19ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.769900918006897, 0.38074401021003723, 0.4151633381843567, 0.6143801808357239, 1.6653085947036743]
推理时间: 9.83ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.003492
Relative Error: 0.006283

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：1.000000（> 0.99 通过）
最大绝对误差：0.003492