timm-tf_efficientnetv2_s.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_s.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	0.999999
最大绝对误差	0.005507
NPU 推理时间	14.76ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_s ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.3145784139633179, 0.27363479137420654, 1.4517557621002197, 0.6954852342605591, 3.001244306564331]
推理时间: 318.51ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.3132898807525635, 0.2735445201396942, 1.4516533613204956, 0.6949892044067383, 3.0024869441986084]
推理时间: 14.76ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.005507
Relative Error: 0.004002

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 通过）
最大绝对误差：0.005507

timm-tf_efficientnetv2_s.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_s.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	0.999999
最大绝对误差	0.005507
NPU 推理时间	14.76ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_s ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.3145784139633179, 0.27363479137420654, 1.4517557621002197, 0.6954852342605591, 3.001244306564331]
推理时间: 318.51ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.3132898807525635, 0.2735445201396942, 1.4516533613204956, 0.6949892044067383, 3.0024869441986084]
推理时间: 14.76ms

=== 精度对比 ===
Cosine Similarity: 0.999999
Max Absolute Error: 0.005507
Relative Error: 0.004002

✓ NPU 适配通过

5. 精度校验

CPU 与 NPU 推理结果对比：

余弦相似度：0.999999（> 0.99 通过）
最大绝对误差：0.005507