genomics-tf-prediction 昇腾 NPU 适配

genomics-tf-prediction 是一套用于转录因子（Transcription Factor, TF）结合位点预测的模型集合。每个 TF 由 4 个 FEEDFORWARD MLP（k=2..5 变体）组成集成：输入 k-mer 特征，输出 TF 结合概率（sigmoid）。

本适配以 AP2 转录因子为代表：仓库共有 120 个 TF × 4 个变体（236 个 .keras 文件），均采用相同的 FEEDFORWARD 架构。适配方法适用于所有 TF。

模型规格

项目	值
模型	Genereux-akotenou/genomics-tf-prediction
架构	FEEDFORWARD MLP（Dense 512-128-64-1, sigmoid）
输入	k-mer 特征（AP2: k2=200 维, k3-k5=1000 维）
输出	TF 结合概率（0~1）
集成	每个 TF 4 个变体（k2-k5）
格式	Keras .keras（需转 PyTorch）

环境要求

硬件：Ascend 910B 系列（≥1 卡）
CANN ≥ 8.0（source /usr/local/Ascend/ascend-toolkit/set_env.sh）
Python 3.10 – 3.11
torch 2.9.0 / torch_npu 2.9.0.post1
h5py

环境准备

export PIP_INDEX_URL=https://repo.huaweicloud.com/repository/pypi/simple/
pip install torch torch_npu h5py numpy

模型权重

模型权重（Keras .keras 文件）从 Hugging Face 获取：

export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download Genereux-akotenou/genomics-tf-prediction --local-dir model_src

推理

python3 inference.py --model_path . --tf AP2 --device npu:0

输出示例（AP2，64 个合成 k-mer 特征样本）：

[info] converted FEEDFORWARD_k2.keras (input 200 dims, 1.06s)
[info] converted FEEDFORWARD_k3.keras (input 1000 dims, 0.02s)
[info] converted FEEDFORWARD_k4.keras (input 1000 dims, 0.02s)
[info] converted FEEDFORWARD_k5.keras (input 1000 dims, 0.02s)
[info] Inference complete (123.3 ms)
[result] FEEDFORWARD_k2.keras: pred mean=0.0625 pos_rate=0.0625
[result] FEEDFORWARD_k3.keras: pred mean=0.7031 pos_rate=0.7031
[result] FEEDFORWARD_k4.keras: pred mean=1.0000 pos_rate=1.0000
[result] FEEDFORWARD_k5.keras: pred mean=1.0000 pos_rate=1.0000
[result] ensemble: pos_rate=0.7188
[info] device proof: model on npu:0

验证结果

设备：Ascend 910B（npu:0）
推理：✅ 通过（完成 Keras→PyTorch 权重转换后，前向传播在 npu:0 上执行，输出为有限值）
验证日期：2026-08-22

适配说明

仓库中的模型为 Keras .keras 格式（zip 内包含 config.json 与 model.weights.h5）。
本次适配会在加载时转换为 PyTorch（FeedForward MLP，并逐层复制权重），转换后的全部计算均运行于 npu:0。
每个模型的输入维度均从 Keras config 的 batch_shape 中读取（AP2: k2=200, k3-k5=1000）。

目录结构

├── inference.py            # NPU 推理脚本（Keras→PyTorch 转换 + 前向）
├── Binary-Classifier/AP2/  # AP2 的 4 个 Keras 模型（不推送）
├── README.md               # 本模型卡片
└── assets/                 # 截图素材

引用

Genereux-akotenou/genomics-tf-prediction — TF binding site prediction
https://huggingface.co/Genereux-akotenou/genomics-tf-prediction