Apache-2.0official Splunk CiscoTsmMR + TimesFM + torch_nputorch_npu / npu:0本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成 多分辨率时间序列完整预测前向推理。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计、软件版本和耗时均固化在 evidence/result.json。
固定 1,995,580,564 字节官方 torch_model.pt 与 SHA-256,使用官方 CiscoTsmMR 50 层多分辨率 decoder 严格加载全部权重;前置与后置钩子分别证明真实模型输入和 decoder 输出均位于 npu:0,并完成 30,720 点上下文到 128 点预测的全模型闭环。
远端环境应预先安装版本匹配的 CANN、PyTorch 与 torch_npu,不要用普通 pip install 覆盖官方运行时。
python3 -m pip install -r requirements.txt
CISCO_TSM_SOURCE=vendor/cisco-time-series-model CISCO_TSM_WEIGHT=/tmp/atomgit/prep_phase4/cisco_tsm_runtime_pt/row38-cisco-ai-cisco-time-series-model-1-0-preview/torch_model.pt CISCO_TSM_RESULT=outputs/result.json python3 inference.py
npu-smi info
cat outputs/result.jsonnpu:01 条长度 30,720 的确定性高频时间序列,按 60 倍聚合形成多分辨率上下文[1,32,128,10]498,832,8006285.373 ms4a7c2c52fb13038573a0407e784f074760aef84e0d5af5cd6f77a21a0ff176d8evidence/result.json 是机器可读事实源;三张证据图分别呈现 Agent 适配流程、NPU 设备闭环和模型输出结果。
npu:0

