timm-tf_efficientnetv2_b3.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b3.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	0.001776
NPU 推理时间	11.57ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b3 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.743276834487915, 0.6134346723556519, 0.38838163018226624, 0.3755929172039032, 1.2926002740859985]
推理时间: 297.35ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.7430896759033203, 0.6136429309844971, 0.3885023593902588, 0.3756970763206482, 1.292186975479126]
推理时间: 11.57ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001776
Relative Error: 0.002937

✓ 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：0.001776

timm-tf_efficientnetv2_b3.in1k - 昇腾 NPU 适配

1. 模型信息

模型: timm-tf_efficientnetv2_b3.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	0.001776
NPU 推理时间	11.57ms

3. 推理脚本

python3 inference.py

4. 推理输出证据

=== tf_efficientnetv2_b3 ===
Dtype: torch.float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.743276834487915, 0.6134346723556519, 0.38838163018226624, 0.3755929172039032, 1.2926002740859985]
推理时间: 297.35ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1000])
输出前5值: [-1.7430896759033203, 0.6136429309844971, 0.3885023593902588, 0.3756970763206482, 1.292186975479126]
推理时间: 11.57ms

=== 精度对比 ===
Cosine Similarity: 1.000000
Max Absolute Error: 0.001776
Relative Error: 0.002937

✓ 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：0.001776