xujiashuai/timm-tf_efficientnet_cc_b0_8e_in1k
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

tf_efficientnet_cc_b0_8e_in1k 在昇腾 NPU 上的适配

1. 简介

  • 模型来源:tf_efficientnet_cc_b0_8e_in1k
  • 适配状态:成功
  • 适配时间:2026-05-19 11:05:58

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
CANN8.5.1
NPUAscend 910B4
操作系统Ubuntu 22.04.5 LTS (aarch64)
Python3.11.14

3. 精度评测

✅ NPU 与 CPU 精度对比

指标数值
余弦相似度1.000000
最大绝对误差0.000000
精度误差不适用
是否满足要求是(< 1%)✅

4. 性能

指标数值
平均延迟0.00 毫秒
测试轮数10

5. 推理输出证据

============================================================
  模型: tf_efficientnet_cc_b0_8e_in1k
  时间: 2026-05-19 10:57:10
  设备: Ascend NPU (npu:0)
============================================================

=== tf_efficientnet_cc_b0_8e.in1k ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.927486002445221, 0.29726722836494446, 0.5387797355651855, 0.3243047595024109, 0.9838120341300964]
推理时间: 183.32ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-0.9264559149742126, 0.29694074392318726, 0.5382472276687622, 0.32377737760543823, 0.9835825562477112]
推理时间: 8.84ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002670
Relative Error: 0.004840

✓ NPU 适配通过

6. 复现步骤

# 环境准备
source /usr/local/Ascend/ascend-toolkit/set_env.sh

# 运行推理
python3 inference.py --device npu:0

7. 评测材料

材料文件
推理脚本inference.py
精度报告report.json
截图证据screenshots/