Ambiq 生物信号压缩编解码器 compressionkit-ppg-2x 的解码端,
将 RVQ 量化 latent 上采样重建为 PPG(光电脉搏波)原始波形。
本项目完成其在**华为昇腾 NPU(Ascend 910B)**上的推理适配与验证。
| 项目 | 说明 |
|---|---|
| 网络 | RVQ 解码器(Conv2D + SeparableConv + LayerNorm) |
| 参数量 | 8.2K |
| 输入 | RVQ latent [N, 16, T, 1] |
| 输出 | 解码波形 [N, 1, T, up](up=2,2x 压缩) |
| 原始权重 | decoder.keras(Keras 格式) |
原始 HF 权重为 Keras .keras(zip 内含 model.weights.h5),
已转换为 PyTorch safetensors(decoder.safetensors,随仓提供):
# 转换脚本逻辑
# keras Conv2D kernel (kh,kw,in,out) -> torch (out,in,kh,kw)
# keras SeparableConv2D depthwise/pointwise -> torch Conv2d(groups=in) + Conv2d(1x1)
# keras LayerNorm gamma/beta -> torch LayerNorm weight/biaspip install -r requirements.txt -i https://repo.huaweicloud.com/repository/pypi/simple/cd /workspace/Ambiq_compressionkit-ppg-2x
/usr/local/python3.11.14/bin/python3 inference.py \
--model_path . --weights decoder.safetensors --variant ppg-2x --device npu:0| 参数 | 说明 | 默认值 |
|---|---|---|
--model_path | 模型目录 | 必填 |
--weights | safetensors 权重路径 | 必填 |
--variant | 模型变体(ppg-2x/ppg-4x/ecg-2x) | ppg-2x |
--device | 推理设备(npu:0 / cpu) | npu:0 |
--output | 结果保存 JSON | inference_result.json |
输入:RVQ latent (1, 16, 128, 1)
[Model Agent] NPU 设备就绪: Ascend910_9382
[Model Agent] 模型加载完成: ppg-2x (8209 params) -> npu:0
[Model Agent] 输出 waveform shape: (1, 1, 128, 2)
[Model Agent] 输出范围: -5.0234 .. 0.8808
[Model Agent] 推理时延: 11.74 ms/itercompressionkit-ppg-2x 解码器在 NPU 上完成波形重建(输出 (1,1,128,2)), NPU 推理链路完整跑通。
.keras zip 的 model.weights.h5 读取权重,
转换为 torch Conv2d / SeparableConv2d / LayerNorm 布局。model.to('npu:0') + torch.no_grad() 推理。*.safetensors 已加入 .gitignore。.
├── README.md # 模型卡片(本文件)
├── inference.py # NPU 推理脚本
├── requirements.txt # 依赖清单
└── assets/ # 适配过程截图素材