timm/tf_efficientnet_b3.ns_jft_in1k on Ascend NPU

1. 简介

本项目将 timm/tf_efficientnet_b3.ns_jft_in1k 图片分类模型适配到单卡昇腾 NPU (Ascend910)。

模型来源：ModelScope (timm/tf_efficientnet_b3.ns_jft_in1k) 适配方式：timm.create_model(..., pretrained=False) + snapshot_download 本地权重加载

2. 验证环境

• NPU: Ascend910
• CANN: 8.5.1
• PyTorch: (see requirements.txt)
• torch_npu: available

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: class_916 (0.026776)
• Top-2: class_409 (0.009615)
• Top-3: class_600 (0.008259)
• Top-4: class_413 (0.006529)
• Top-5: class_501 (0.006389)

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_916
• NPU Top-1: class_916
• CPU Top-5: class_916, class_409, class_600, class_413, class_501
• NPU Top-5: class_916, class_409, class_600, class_413, class_501
• Top-1 match: True
• Top-5 match: True

5. 性能参考

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

• logs/inference.log — 推理结果
• logs/accuracy.log — 精度一致性验证
• logs/benchmark.log — 性能基准测试
• logs/env_check.log — NPU 环境检查

9. 注意事项

1. 权重通过 ModelScope snapshot_download 自动下载到本地缓存目录，不随代码仓库提交。
2. 运行前请确保 NPU 驱动和 CANN 工具链已正确安装。
3. 首次运行 modelscope 下载权重可能需要几分钟。

10. 标签

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