本仓库提供 Datadog/Toto-2.0-2.5B 的精简昇腾适配实现。它是概率时间序列预测基础模型,不是对话或文本生成模型。已使用真实 AirPassengers 月度序列在 Ascend 910 的 npu:0 上完成官方 checkpoint 前向推理,参数、输入与输出均进行 NPU 设备断言。仓库不内嵌任何大模型权重。
51a2812bbe449437c01b79c0e425ed578f335f5b44ea4e88852228039564aa3e76fac26aafac0803model.safetensors,9817176960 bytesdc08942b20751ac906167194d4ca4aa06b4367e80aabe5f1d5153b30b874bdb9inference.py 首次运行时从比赛允许的 AtomGit 镜像按固定 revision 获取 config.json 与 model.safetensors,并对字节数和 SHA-256 做严格校验;源码同样固定到上述 commit。任何身份不一致都会终止,不会静默替换 checkpoint。
脚本内置公开的 AirPassengers 真实月度乘客量序列,共 144 点。使用前 120 点作为已观测上下文,补齐到 128 点并以 mask 排除补齐位置,预测后续 24 步;输出九个分位数,形状为 [9, 1, 1, 24]。
npu:0requirements.txt 只列应用层依赖,不安装或升级 torch、torch_npu 与 CANN。
python3 -m pip install -r requirements.txt
flock -x -w 1800 /tmp/ascend-model-agent-npu-v1.lock python3 inference.py首次运行需要下载约 9.8 GB 的固定 checkpoint;后续运行会复用本地文件,但每次仍重新校验其身份。禁止 CPU fallback。
真实运行结果保存在 npu_result.txt:
Datadog/Toto-2.0-2.5B@51a2812bbe449437c01b79c0e425ed578f335f5bnputorch.float32[9, 1, 1, 24]True-1.3828 / 2.0210 / 4.7766SUCCESS这些分位数位于模型的 asinh 标准化空间,不应直接解释为原始乘客人数。
npu:0、单条 AirPassengers 序列和 FP32 路径。上游 DataDog/toto 源码采用 Apache License 2.0。使用模型与代码时仍需遵守上游模型卡、许可证及数据来源要求。


