MidnightRunner/Misc 昇腾 NPU 适配
- 官方模型池：Phase 4 / Row 79
- 参赛微信名称：风云游子
- 参赛 AtomGit ID：@gcw_StsIRaj1
- 模型来源：https://huggingface.co/MidnightRunner/Misc
- 官方可达镜像：https://ai.gitcode.com/hf_mirrors/MidnightRunner/Misc
- 上游许可证：
CreativeML Open RAIL-M (repository metadata; component licenses follow original sources) - 推理引擎：
official OmniSR architecture via pinned Spandrel + safetensors + torch_npu - 验证硬件：Ascend910 / CANN /
torch_npu/npu:0
作品结论
本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint，并完成 omnisr_x2_super_resolution。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 MidnightRunner/Misc 官方提交 0a9446be 的 1,655,992 字节 OmniSR_X2_DIV2K.safetensors 与官方 LFS SHA-256；由 Spandrel 固定提交 e1f2ea14 自动识别 OmniSR X2 架构并严格加载 784,604 参数，模型参数、10 个 buffers、16×16 RGB 输入与 32×32 超分输出全程位于 npu:0。
适配边界
- 保留上游模型结构、参数与任务语义，只增加 NPU 设备迁移、必要的版本兼容和证据采集。
- 使用确定性合成输入执行最小可复现实验，避免外部数据集和网络波动影响复核。
- 加载失败、张量落回 CPU、输出非有限或形状不符时立即失败，不以随机初始化或 CPU 结果替代。
- 本作品验证官方权重的昇腾 NPU 前向推理链路可执行，不声称完成训练，也不把烟测统计解释为业务精度。
应用价值与决策边界
- 目标场景：低分辨率图像增强、档案修复、边缘视觉预处理与国产算力超分迁移验证
- 输入语义：1 张 16 × 16 的确定性 RGB 图像张量，像素范围 [0,1]
- 输出语义：1 张 32 × 32 的有限 RGB X2 超分辨率张量
- 决策支持：用于验证 OmniSR 超分模型在昇腾 NPU 的完整推理迁移，并为后续真实图像 PSNR/SSIM 与主观质量评测提供工程基线
- 证据边界：当前证明固定官方 checkpoint 的完整 Ascend NPU 前向、严格加载与有限输出；未声称真实图像集精度、训练结果或生产图像质量收益
运行步骤
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 /tmp/atomgit/prep_phase4/row79-midnightrunner-misc-omnisr-x2/OmniSR_X2_DIV2K.safetensors --out outputs/result.json
npu-smi info
cat outputs/result.json实测证据
- 模型状态设备：
npu:0 - 输入语义：
[1,3,16,16] - 输出形状：
[1,3,32,32] - 参数量：
784,604 - 推理耗时：
147.892 ms - 权重加载：严格加载通过（0 缺失/0 意外）
- 设备闭环：模型、输入、输出张量均为 npu:0
- checkpoint SHA-256：
79408fc23203bf161faa957c4a602cc40521ed2235a72d976bd9d375e6644611
evidence/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。
复核清单
- 真实 checkpoint，非随机初始化
- 禁止 CPU fallback
- 模型状态位于
npu:0 - 输入与输出设备逐字段记录
- 输出形状和有限性门禁
- 运行时版本与耗时固化
- 模型许可证和适配边界明确
Agent适配截图
Agent适配全过程截图
NPU设备调用截图
模型适配结果截图
