z
zhangyuge147/timm-tf_efficientnet_b1.in1k-NPU
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

timm/tf_efficientnet_b1.in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_b1.in1k 图片分类模型适配到昇腾 NPU (Ascend910) 上运行。

模型基于 EfficientNet-B1 架构,在 ImageNet-1K 上训练。输入分辨率为 240x240,输出 1000 类分类 logits。

2. 验证环境

项目版本/型号
NPUAscend910
CANN8.5.1
PyTorch2.9.0+cpu
torch_npu2.9.0.post1
timm1.0.27
Python3.11.14

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

  • Top-1: class_480 (0.4392)
  • Top-2: class_707 (0.2175)
  • Top-3: class_886 (0.0279)
  • Top-4: class_637 (0.0260)
  • Top-5: class_528 (0.0203)

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:

指标数值
max_abs_error0.003854
mean_abs_error0.000671
relative_error0.1054%
cosine_similarity1.000000
threshold1.0%
结果PASS
  • CPU Top-1: class_480
  • NPU Top-1: class_480
  • CPU Top-5: [480, 707, 886, 637, 528]
  • NPU Top-5: [480, 707, 886, 637, 528]
  • Top-1 match: True
  • Top-5 match: True

5. 性能参考

指标数值
avg_latency_ms10.96
min_latency_ms10.71
max_latency_ms11.26
p50_latency_ms10.94
p90_latency_ms11.26
p95_latency_ms11.26
images_per_sec91.28

日志保存在 logs/benchmark.log。

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

文件说明
logs/inference.logNPU 推理输出
logs/accuracy.logCPU-NPU 精度一致性检查
logs/benchmark.logNPU 性能基准测试
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 timm.create_model(..., pretrained=True) 从 HuggingFace 自动下载。
  • 推理时使用 timm.data.resolve_model_data_config 自动获取模型对应的数据预处理配置。本模型输入尺寸为 240x240。
  • 若运行时报权限相关 warning(Warning: The /usr/local/Ascend/cann-8.5.1 owner does not match),属环境正常提示,不影响推理。

10. 标签

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