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。
| 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) |
| Tokenizer | RnaTokenizer(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。
a3826976df62ae133f72d72a8c13d9b18777841b
(比赛公开镜像 gitcode.com/hf_mirrors/multimolecule/mtsplice.git 克隆后的 HEAD,2026-05-31)。model.safetensors
f430c07728bc1d2fd9721f143fdeb3eef484cd532da83e02b4fc0066ad000999865328GIT_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。model.safetensors,未更换任何模型或权重。RnaTokenizer 按 1:1 逐字符编码(无 padding token,replace_T_with_U=true)。0=A、1=C、2=G、3=U,N 为特殊/pad token。AGCAGUCAUUAUGGCGAAUCUGGCAAGUA(28 字符 → token ids 长度 29)AGCAGUCAUUAUGGCUAAUCUGGCAAGUA(与参考仅位置 15 不同,G→U)input_ids shape [1, 29],torch.int64,位于 npu:0。logits / alternative_logits / delta_logits 均为 [1, 56],torch.float32,位于 npu:0。| 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 |
| CANN | 8.5.1(ASCEND_HOME_PATH=/usr/local/Ascend/cann-8.5.1) |
| torch | 2.9.0(昇腾定制构建,import 显示 2.9.0+cpu) |
| torch_npu | 2.9.0.post1+gitee7ba04 |
| transformers | 5.9.0 |
| multimolecule | 0.2.1 |
| danling | 0.4.4 |
| safetensors | 0.7.0 |
| huggingface_hub | 1.5.0 |
| numpy | 1.26.4 |
| Python | 3.11.14 |
| 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。
# 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/tmp/ascend-model-agent-npu-v1.lock(fcntl.flock 互斥)串行化 NPU 占用。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。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 = 0.1447834820.604282975)、13(0.39943102)、12(0.377346575)、0(0.301050812)、14(0.225928903)torch.npu.synchronize() 后墙钟)npu_available、params_on_npu、inputs_on_npu、outputs_on_npu、output_shape_ok、all_outputs_finite、no_cpu_fallback 均为 true。id2label 为 null,56 个组织按 index 引用(组织名不随权重分发,不臆造)。MMSplice_MTSplice 仓库逐位对比,需按其预处理窗口逻辑对齐。/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。inference.py 已做一次预热不计时。/tmp/mtsplice_model,缓存位于 ~/.cache/huggingface)。license.md / license-faq.md)。mtsplice_npu_result.json),由 inference.py 原子写入(tmp+rename)。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)。


