timm-tf_efficientnetv2_b1.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b1.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	0.002646
NPU 推理时间	9.87ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b1 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.4471194744110107, 0.3556921184062958, 0.1419251710176468, 0.10456806421279907, 2.2101564407348633]
推理时间: 195.13ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.4468966722488403, 0.3560546636581421, 0.14217349886894226, 0.10463258624076843, 2.2103044986724854]
推理时间: 9.87ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002646
Relative Error: 0.001994

✓ 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 即通过）
最大绝对误差：0.002646

timm-tf_efficientnetv2_b1.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b1.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	0.002646
NPU 推理时间	9.87ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b1 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.4471194744110107, 0.3556921184062958, 0.1419251710176468, 0.10456806421279907, 2.2101564407348633]
推理时间: 195.13ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.4468966722488403, 0.3560546636581421, 0.14217349886894226, 0.10463258624076843, 2.2103044986724854]
推理时间: 9.87ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.002646
Relative Error: 0.001994

✓ 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 即通过）
最大绝对误差：0.002646