AGPL-3.0-or-laterDeepCpgDnaForSequencePrediction + transformers compatibility bridge + 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 HepG2 DNA CpG 甲基化序列预测。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。
严格加载 17,731,128 字节官方 HepG2 DeepCpGDNA safetensors checkpoint 和 4,432,518 个参数;一条 1,001 bp DNA 序列的模型参数、input_ids、attention_mask 与 6 维输出全程保持在 Ascend NPU,加载差异、输出有限性和 SHA-256 都由 result.json 固化。
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
python3 inference.py --model-dir /tmp/atomgit/prep_phase3/deepcpgdna_hepg2 --output-dir outputs --device npu:0
npu-smi info
cat outputs/result.jsonNone一条确定性 CpG 富集 DNA 序列,长度 1,001 bp,使用官方 DnaTokenizer 编码[1,6]4,432,518215.462 msevidence/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

