timm-gc_efficientnetv2_rw_t.agc_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-gc_efficientnetv2_rw_t.agc_in1k
来源: timm
任务: ImageNet 图像分类
分辨率: 224x224

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	0.000959
NPU 推理时间	18.41ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== gc_efficientnetv2_rw_t.agc_in1k ===
Dtype: torch.float32
Resolution: 224

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.12369845807552338, -0.41036632657051086, -0.01604555733501911, -0.07833164930343628, 0.41051140427589417]
推理时间: 392.79ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1233740970492363, -0.4104529023170471, -0.016114261001348495, -0.07822415977716446, 0.41057270765304565]
推理时间: 18.41ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000959
Relative Error: 0.002519

✓ 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：0.000959

timm-gc_efficientnetv2_rw_t.agc_in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-gc_efficientnetv2_rw_t.agc_in1k
来源: timm
任务: ImageNet 图像分类
分辨率: 224x224

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	0.000959
NPU 推理时间	18.41ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== gc_efficientnetv2_rw_t.agc_in1k ===
Dtype: torch.float32
Resolution: 224

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.12369845807552338, -0.41036632657051086, -0.01604555733501911, -0.07833164930343628, 0.41051140427589417]
推理时间: 392.79ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [0.1233740970492363, -0.4104529023170471, -0.016114261001348495, -0.07822415977716446, 0.41057270765304565]
推理时间: 18.41ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.000959
Relative Error: 0.002519

✓ 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：0.000959