S
Solis_caser/mtsplice-ascend-npu
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

MTSplice(multimolecule/mtsplice)昇腾 NPU 适配交付

本仓库完成 multimolecule/mtsplice 在真实昇腾 NPU(Ascend910)上的推理适配, 使用固定不可变 revision、经 SHA256 校验的 canonical 权重,全部核心计算运行在 npu:0, 无任何 CPU fallback,并产出唯一真实结果文件与三张真实截图证据。

模型介绍

项目内容
模型multimolecule/mtsplice(MTSplice:组织特异性剪接变异效应预测)
模型类MtSpliceModel(另有 MtSpliceForSequencePrediction 包装类)
TokenizerRnaTokenizer(A/C/G/U/N,5 token)
任务对参考/替代序列打分,输出 56 个 GTEx 组织的组织特异性剪接评分
官方输出契约参考序列 → logits (1, 56);参考+替代 → logits / alternative_logits / delta_logits (1, 56)
架构两条并行膨胀卷积塔(acceptor/donor)+ 位置 B-spline 加权 + 稠密预测头
参数量210,840(0.211M)

模型配置(config.json 真实值):model_type=mtsplice、hidden_size=64、num_blocks=8、num_labels=56、kernel_size=11、block_kernel_size=3、dilation_base=2、donor_length=400、acceptor_length=400、spline_bases=10、spline_degree=3、vocab_size=4、dtype=float32。

上游模型

  • 上游来源:官方 HF 模型卡 multimolecule/mtsplice,为 gagneurlab/MMSplice_MTSplice 的 MultiMolecule 非官方实现(模型卡由 MultiMolecule 团队编写)。
  • 固定不可变 revision:a3826976df62ae133f72d72a8c13d9b18777841b (比赛公开镜像 gitcode.com/hf_mirrors/multimolecule/mtsplice.git 克隆后的 HEAD,2026-05-31)。
  • canonical 权重:model.safetensors
    • SHA256:f430c07728bc1d2fd9721f143fdeb3eef484cd532da83e02b4fc0066ad000999
    • 字节数:865328
    • 与镜像仓库 LFS pointer 完全一致,下载后落盘重算 SHA256 校验通过。
  • 获取方式:GIT_LFS_SKIP_SMUDGE=1 克隆固定 revision → 复制 config.json/tokenizer_config.json/vocab.txt → Git LFS batch API(POST …/info/lfs/objects/batch,transfer=basic)下载权重 → SHA256 校验。由 fetch_weights.py 完整复现。
  • 禁止换模型/换 checkpoint:本适配全程使用上述 revision 与 model.safetensors,未更换任何模型或权重。

输入格式

  • 序列格式:RNA 序列(A/C/G/U/N),RnaTokenizer 按 1:1 逐字符编码(无 padding token,replace_T_with_U=true)。
  • 词表映射:0=A、1=C、2=G、3=U,N 为特殊/pad token。
  • 官方样本:
    • 参考:AGCAGUCAUUAUGGCGAAUCUGGCAAGUA(28 字符 → token ids 长度 29)
    • 替代:AGCAGUCAUUAUGGCUAAUCUGGCAAGUA(与参考仅位置 15 不同,G→U)
  • 输入张量:input_ids shape [1, 29],torch.int64,位于 npu:0。
  • 输出张量:logits / alternative_logits / delta_logits 均为 [1, 56],torch.float32,位于 npu:0。

NPU 环境

层版本/信息
NPU 硬件Ascend910_9362(Ascend910),npu-smi 25.5.5,SOC_VERSION=ascend910_9391,ASCEND_VISIBLE_DEVICES=6,7
CANN8.5.1(ASCEND_HOME_PATH=/usr/local/Ascend/cann-8.5.1)
torch2.9.0(昇腾定制构建,import 显示 2.9.0+cpu)
torch_npu2.9.0.post1+gitee7ba04
transformers5.9.0
multimolecule0.2.1
danling0.4.4
safetensors0.7.0
huggingface_hub1.5.0
numpy1.26.4
Python3.11.14
推理设备npu:0(torch.npu.is_available()=True,设备数 2)

约束:复用容器现有 torch/torch_npu/CANN,未升级、未卸载、未重装;其余依赖容器内已具备,requirements.txt 仅作记录。

运行命令

# 0) 获取并校验权重(revision/sha256 固定)——默认输出到 /tmp/mtsplice_model
python3 fetch_weights.py --target-dir /tmp/mtsplice_model

# 1) 运行真实 NPU 推理(默认 npu:0,写 mtsplice_npu_result.json)
MTSPlice_MODEL_DIR=/tmp/mtsplice_model python3 inference.py --device npu:0
#   可用 --output 指定结果文件;--ref-seq / --alt-seq 覆盖官方样本

# 2) 依赖说明(容器已满足,仅记录,不要安装 torch/torch_npu)
pip install -r requirements.txt   # 等价于校验;不会改动 torch/torch_npu/CANN
  • 共享锁:/tmp/ascend-model-agent-npu-v1.lock(fcntl.flock 互斥)串行化 NPU 占用。
  • 无 CPU fallback:inference.py 强制断言全部模型参数、输入、核心前向输出均为 NPU;失败则在当前目录最小修复并重跑,绝不退化为 CPU。
  • 运行要求:昇腾 NPU + CANN 8.5.1 + torch/torch_npu 2.9.0 系列(容器自带),无需联网即可推理。

实际结果

唯一真实结果文件:mtsplice_npu_result.json

契约点官方声明本机实测
参考序列"AGCAGUCAUUAUGGCGAAUCUGGCAAGUA"一致,token ids 长度 29
替代序列"AGCAGUCAUUAUGGCUAAUCUGGCAAGUA"一致,与参考仅位置 15(G→U)不同
logits 形状torch.Size([1, 56])[1, 56],torch.float32,npu:0 ✓
变体输出logits/alternative_logits/delta_logits三者均 [1, 56] 且在 npu:0 ✓
数值有限性—全部 finite ✓
确定性—两次独立运行 delta 逐位一致 ✓

关键实测值(npu:0):

  • logits[:3] = [0.009676294, 0.024300167, 0.036664527]
  • delta_logits 统计:min = -0.137771308、max = 0.604282975、mean = 0.041424278、abs_mean = 0.101844981、std = 0.144783482
  • 变体效应最大的组织(按 |delta|):index 51(0.604282975)、13(0.39943102)、12(0.377346575)、0(0.301050812)、14(0.225928903)
  • 同步耗时:参考前向 0.0024 s,变体前向 0.0076 s(torch.npu.synchronize() 后墙钟)
  • 断言全部通过:npu_available、params_on_npu、inputs_on_npu、outputs_on_npu、output_shape_ok、all_outputs_finite、no_cpu_fallback 均为 true。

限制

  • 官方模型卡 id2label 为 null,56 个组织按 index 引用(组织名不随权重分发,不臆造)。
  • 本机 56 维度 logits 为 float32 直接输出;如需与官方 MMSplice_MTSplice 仓库逐位对比,需按其预处理窗口逻辑对齐。
  • 平台 skill /ascend-model-agent-plugin:small-model-adapt 在本环境不可用(Unknown skill),本次为完全手工适配。
  • 首次加载需 NPU 算子初始化,inference.py 已做一次预热不计时。
  • 交付仓库不含权重、HF 缓存、venv、临时文件或凭据(权重位于 /tmp/mtsplice_model,缓存位于 ~/.cache/huggingface)。

许可证

  • 模型实现与权重遵循官方模型卡声明:AGPL-3.0-or-later(镜像仓库随附 license.md / license-faq.md)。
  • 本仓库仅做昇腾 NPU 环境适配与推理,未修改模型实现、未更换模型或 checkpoint;revision 与权重 SHA256 双重固定。
  • 未升级/卸载 torch、torch_npu、CANN;仅复用并记录版本。
  • 结果文件唯一(mtsplice_npu_result.json),由 inference.py 原子写入(tmp+rename)。

截图证据

以下三张截图分别对应适配全过程、NPU 设备调用、模型结果三页真实证据(均为真实运行输出截图,非伪造)。

agent_workflow.png

npu_device_call.png

model_result.png