模型名称: LimiX-2M-NPU 模型链接: https://ai.gitcode.com/hf_mirrors/stable-ai/LimiX-2M 模型描述: LimiX-2M 是一个 2M 参数的表格基础模型,采用 12 层 Transformer + RaBEL 框架,支持分类、回归和缺失值填补任务。通过 Context-Conditional Masked Modeling (CCMM) 预训练,无需微调即可完成推理。 模型架构: Transformer with RaBEL (RBF-based Axis-wise Bidirectional Encoder-Linker) 参数规模: 2M
| 依赖项 | 版本要求 | 说明 |
|---|---|---|
| Python | >= 3.10 | 推荐 3.11 |
| torch / torch_npu | 2.1.0+ | 昇腾NPU推理 |
| transformers | >= 4.45.0 | HuggingFace 库 |
| 昇腾驱动 | CANN 8.0.RC2+ | 推荐最新版 |
安装命令:
pip install torch torch_npu transformers sentencepiece# 检查 NPU 设备
npu-smi info# 单条输入推理
python inference.py --input "测试输入内容" --model_path ./LimiX-2M-NPU
# 批量输入推理
python inference.py --input_file test_samples.txt --model_path ./LimiX-2M-NPU| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --input | str | - | 输入文本/图像路径 |
| --input_file | str | - | 批量输入文件路径 |
| --model_path | str | LimiX-2M-NPU | 模型路径 |
| --max_length | int | 2048 | 最大生成长度 |
输入:
[[1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0]]输出:
预测结果: [8]
概率分布: [0.0446, 0.0266, 0.0833, 0.1442, 0.0579, 0.0768, 0.1210, 0.0647, 0.2250, 0.1558]耗时: 0.2054s
输入:
sklearn.datasets.load_breast_cancer 测试集样本(30维特征标准化后输入)输出:
在171个测试样本上完成推理,单次推理耗时约0.0075s,NPU设备npu:0运行正常耗时: 平均0.0272s



| 测试样例 | NPU输出 | 耗时 | 是否成功运行 |
|---|---|---|---|
| 样例1 | (待填入) | (待填入) | (待验证) |
说明: NPU 运行验证数据将在实际运行后填入,务必保证模型能在 NPU 上正常运行。
文档生成时间:2026-08-22 10:14:41