timm-tf_efficientnetv2_s.in21k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_s.in21k
来源: timm
任务: ImageNet-21k 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	0.009944
NPU 推理时间	15.58ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_s.in21k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 21843])
输出前5值: [-1.3004682064056396, 0.5569589734077454, -1.679811954498291, 9.228913307189941, 4.117964267730713]
推理时间: 387.95ms

--- NPU 推理 ---
输出形状: torch.Size([1, 21843])
输出前5值: [-1.3014439344406128, 0.5574363470077515, -1.67947518825531, 9.223810195922852, 4.1129937171936035]
推理时间: 15.58ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.009944
Relative Error: 0.011128

✓ 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 则通过）
最大绝对误差：0.009944

timm-tf_efficientnetv2_s.in21k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_s.in21k
来源: timm
任务: ImageNet-21k 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	0.009944
NPU 推理时间	15.58ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_s.in21k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 21843])
输出前5值: [-1.3004682064056396, 0.5569589734077454, -1.679811954498291, 9.228913307189941, 4.117964267730713]
推理时间: 387.95ms

--- NPU 推理 ---
输出形状: torch.Size([1, 21843])
输出前5值: [-1.3014439344406128, 0.5574363470077515, -1.67947518825531, 9.223810195922852, 4.1129937171936035]
推理时间: 15.58ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.009944
Relative Error: 0.011128

✓ 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 则通过）
最大绝对误差：0.009944