timm-tf_efficientnetv2_m.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_m.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	0.001526
NPU 推理时间	22.04ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_m.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5230553150177002, 0.5064489841461182, 1.5013878345489502, 1.2339404821395874, 1.69196355342865]
推理时间: 604.16ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5227735042572021, 0.5063692331314087, 1.501599907875061, 1.2339380979537964, 1.6916841268539429]
推理时间: 22.04ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001526
Relative Error: 0.001045

✓ 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 为通过）
最大绝对误差：0.001526

timm-tf_efficientnetv2_m.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_m.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	0.001526
NPU 推理时间	22.04ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_m.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5230553150177002, 0.5064489841461182, 1.5013878345489502, 1.2339404821395874, 1.69196355342865]
推理时间: 604.16ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.5227735042572021, 0.5063692331314087, 1.501599907875061, 1.2339380979537964, 1.6916841268539429]
推理时间: 22.04ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001526
Relative Error: 0.001045

✓ 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 为通过）
最大绝对误差：0.001526