timm/efficientnet_b0.ra_in1k on Ascend NPU

1. 简介

本项目将 timm/efficientnet_b0.ra_in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。使用 ModelScope 下载权重，timm 加载本地权重，包含推理验证、CPU-NPU 精度一致性检查和性能基准测试。

2. 验证环境

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_246 (0.124520)
• Top-2: class_164 (0.043503)
• Top-3: class_391 (0.039938)
• Top-4: class_646 (0.027740)
• Top-5: class_210 (0.024320)

日志保存在 logs/inference.log。

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: class_246
• NPU Top-1: class_246
• CPU Top-5: class_246, class_164, class_391, class_646, class_210
• NPU Top-5: class_246, class_164, class_391, class_646, class_210
• Top-1 match: True
• Top-5 match: True

5. 性能参考

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方 ImageNet 完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

• logs/inference.log — 推理输出
• logs/accuracy.log — 精度一致性结果
• logs/benchmark.log — 性能基准测试结果
• logs/env_check.log — 环境检查

9. 注意事项

• 权重通过 ModelScope snapshot_download 下载，严禁使用 pretrained=True 自动从 HuggingFace 下载
• 推理脚本使用 timm.data.resolve_model_data_config + create_transform 进行预处理
• 模型权重不提交到 Git 仓库（见 .gitignore）

10. 标签

#NPU #Ascend #Ascend910 #timm #efficientnet #image-classification