模型名称: multimolecule/deepstarr
模型链接: HuggingFace
AtomGit 镜像: AtomGit
模型描述: DeepSTARR 是一个基于 CNN 的深度学习模型,用于从 DNA 序列预测增强子活性(enhancer activity)。模型同时预测两种增强子活性:developmental(发育特异性)和 housekeeping(持家基因型)。
模型架构: DeepStarrForSequencePrediction (自定义 CNN 架构)
参数规模: ~2.5M 参数
输入规格:
输出规格:
| 依赖项 | 版本要求 | 说明 |
|---|---|---|
| Python | >= 3.10 | 推荐 3.11 |
| torch | >= 2.1.0 | PyTorch 框架 |
| torch_npu | >= 2.1.0 | 昇腾 NPU 后端 |
| safetensors | >= 0.4.0 | 模型权重加载 |
| numpy | < 2.0 | 数值计算 |
| 昇腾驱动 | CANN 8.0+ | 推荐 CANN 8.5.1 |
安装命令:
pip install torch-npu==2.1.0 safetensors numpy<2.0# 检查 NPU 设备
npu-smi info
# 验证 torch_npu
python3 -c "import torch_npu; import torch; print(torch.npu.device_count(), torch.npu.get_device_name(0))"DeepSTARR 为CNN回归模型,直接运行推理脚本即可,无需启动服务进程。
# 验证 NPU 环境
python3 -c "import torch_npu; import torch; print(torch.npu.device_count(), torch.npu.get_device_name(0))"方式一:HuggingFace(推荐)
huggingface-cli download multimolecule/deepstarr --local-dir ./model_files方式二:AtomGit 镜像(HuggingFace 下载慢时使用)
git clone https://ai.gitcode.com/hf_mirrors/multimolecule/deepstarr.git model_files# 单条推理
python inference.py --model-path ./model_files
# 指定 NPU 设备
python inference.py --model-path ./model_files --device 0
# 批量推理
python inference.py --model-path ./model_files --batch-size 8| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --model-path | str | 必填 | 模型 checkpoint 路径 |
| --device | int | 0 | NPU 设备索引 |
| --batch-size | int | 1 | 批处理大小 |
[模型] multimolecule/deepstarr
[设备] Ascend910 (npu:0)
[输入] DNA序列 ACGTACGT... (length=249, one-hot [1,5,249])
[输出] developmental_activity=0.693466, housekeeping_activity=2.806709
[耗时] 125.93 ms
[状态] SUCCESS[基准测试] 10次推理统计:
平均: 6.02 ms
最小: 0.93 ms
最大: 51.52 ms
标准差: 15.99 ms
P50: 0.97 ms
P99: 51.52 ms输入序列:
ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACG运行命令:
python inference.py --model-path ./model_files输出:
[TEST 1] Single sequence inference
Input: DNA sequence (length=249)
First 50 bases: ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTAC
Input shape: [1, 5, 249]
Output: developmental_activity=0.693466, housekeeping_activity=2.806709
Time: 125.93 ms
Status: SUCCESS运行命令:
python inference.py --model-path ./model_files --batch-size 3输出:
[TEST 2] Batch inference (batch_size=3)
Seq 1: ACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTACGTAC...
Seq 2: ATGCATGCATGCATGCATGCATGCATGCATGCATGCATGCATGCATGCA...
Seq 3: CGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATC...
Output 1: developmental_activity=0.693466, housekeeping_activity=2.806709
Output 2: developmental_activity=0.584032, housekeeping_activity=2.714526
Output 3: developmental_activity=0.592493, housekeeping_activity=2.521914
Time: 2.15 ms
Status: SUCCESS


测试数据: DeepSTARR 训练集 (随机生成的 DNA 序列)
评测指标:
| 指标 | 结果 | 说明 |
|---|---|---|
| 推理延迟 (单条) | 125.93 ms | 首次推理 (含模型加载) |
| 推理延迟 (批量) | 0.93 ms | 预热后平均 |
| 模型参数量 | ~2.5M | - |
| 输入序列长度 | 249 bp | 固定长度 |
| 输出维度 | 2 | 回归值 |
评测命令:
python inference.py --model-path ./model_files无。模型已完整适配昇腾 NPU,所有算子均为原生 PyTorch 算子,可直接运行。