Kronos-base 昇腾NPU适配

1. 模型简介

Kronos-base 是首个面向金融K线（K-line）的开源基础模型（论文 / GitHub），由 NeoQuasar 发布。它采用两阶段框架：

1. K线Tokenizer（Kronos-Tokenizer-base）：将连续多维OHLCV数据量化为层次化离散token；
2. 自回归Transformer：decoder-only架构，在45个全球交易所、超120亿条K线记录上预训练，可零样本完成价格序列预测、波动率预测、合成数据生成等任务。

• 原始仓库: https://github.com/shiyu-coder/Kronos
• HuggingFace: https://huggingface.co/NeoQuasar/Kronos-base

2. 环境依赖

依赖安装到独立目录（--target 隔离，不污染共享环境）：

pip install --target /mnt/workspace/Kronos-base/libs \
    -i https://pypi.tuna.tsinghua.edu.cn/simple \
    einops huggingface_hub safetensors tqdm

模型权重：

• 主模型：/home/developer/models/Kronos-base
• Tokenizer：/home/developer/models/Kronos-Tokenizer-base

3. 推理步骤

3.1 环境准备

• 昇腾NPU环境（CANN + torch_npu），torch 2.x；
• Python 依赖见 requirements.txt，安装到 /mnt/workspace/Kronos-base/libs；
• 脚本会自动将该目录加入 sys.path。

3.2 运行推理

python3 inference.py --model_path /home/developer/models/Kronos-base

脚本特性：

• 自动选择设备：NPU（torch_npu）→ CUDA → CPU；
• 内置示例K线输入，无需额外数据文件；
• 打印 耗时/elapsed 字段供统一评测解析；
• 结果图保存至 assets/model_result.png。

3.3 推理参数说明

4. 测试样例及输出结果

内置示例：合成 400 条 5 分钟 K 线（随机游走+周期项），取前 376 条作为上下文，预测未来 24 条 K 线的 OHLCV。

实测输出（NPU）：

[INFO] device = npu
[INFO] 推理完成 耗时/elapsed=0.74s (pred_len=24, device=npu)
[INFO] 预测结果前5行:
                           open        high         low       close       volume       amount
2024-01-02 16:50:00  102.688255  103.294548  102.030853  102.514442  1093069.625  108810952.0
2024-01-02 16:55:00  102.668907  103.361244  101.796814  101.741104  1102770.375  109536688.0
...
[RESULT] status=ok device=npu 耗时/elapsed=0.74s

5. Agent适配截图

5.1 Agent适配全过程截图

见 assets/ 目录（适配过程由 batch-adapt 流水线记录）。

5.2 NPU设备调用截图

见 assets/npu_device_call.png。

5.3 模型适配结果截图

见 assets/model_result.png（输入历史K线与预测K线的 close/volume 对比曲线）。

6. 注意事项

• 通过 torch_npu 将模型与Tokenizer迁移至昇腾NPU运行；
• 自回归采样、top-p过滤等算子均为标准PyTorch算子，NPU原生支持；
• 设备不可用时自动回退CPU，保证脚本可移植；
• 首次在NPU上运行会有算子编译开销，属正常现象。