模型名称: multimolecule/pangolin
模型链接: HuggingFace
模型描述: Pangolin 是一个用于 RNA 选择性剪接预测的深度学习模型。它使用空洞卷积(dilated convolution)对 RNA 序列进行编码,预测在不同组织中的剪接水平。
模型架构: PangolinModel - 基于空洞卷积的序列预测模型
参数规模: 2,336,868 (单成员)
输入规格:
(batch_size, sequence_length)输出规格:
(batch_size, 4)| 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 | 安全张量格式加载 |
| sentencepiece | >= 0.1.99 | 序列处理 |
| protobuf | >= 3.20.0 | 序列化 |
| numpy | < 2 | 数值计算 |
| 昇腾驱动 | CANN 8.0+ | 推荐 CANN 8.5.1 |
安装命令:
pip install torch torch_npu safetensors sentencepiece protobuf "numpy<2"# 检查 NPU 设备
npu-smi info
# 验证 torch_npu
python3 -c "import torch_npu; print(torch.npu.device_count(), torch.npu.get_device_name(0))"# HuggingFace
huggingface-cli download multimolecule/pangolin --local-dir ./pangolin_weights
# AtomGit 镜像(HuggingFace 下载慢时使用)
huggingface-cli download \
--repo-type model \
https://ai.gitcode.com/hf_mirrors/multimolecule/pangolin \
--local-dir ./pangolin_weights# CPU 推理
python3 inference.py --model-path ./pangolin_weights --device cpu
# NPU 推理
python3 inference.py --model-path ./pangolin_weights --device npu:0
# 自动检测设备
python3 inference.py --model-path ./pangolin_weights| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --model-path | str | 必填 | 模型 checkpoint 路径 |
| --device | str | auto | 设备:auto/cpu/npu:0/cuda:0 |
| --max-seq-len | int | 10000 | 最大序列长度 |
# 基本调用(自动检测设备)
python3 inference.py --model-path ./pangolin_weights
# 指定 NPU 设备
python3 inference.py --model-path ./pangolin_weights --device npu:0
# 指定 CPU
python3 inference.py --model-path ./pangolin_weights --device cpu
# Python API 调用
from inference import PangolinModel
import torch
model = PangolinModel(config)
model.load_state_dict(torch.load("model.safetensors"))
model.eval()
# 输入 RNA 序列 (A=0, C=1, G=2, T=3, N=4)
input_ids = torch.tensor([[0, 1, 2, 3, 4, 0, 1, 2, 3]]) # shape: (1, 9)
with torch.no_grad():
predictions = model(input_ids)
print(predictions) # shape: (1, 4) - 4 个组织的剪接预测[设备] npu:0
[模型] Pangolin (multimolecule/pangolin)
[架构] PangolinModel
[任务] regression - RNA splicing prediction
[组织] ['heart', 'liver', 'brain', 'testis']
[序列] vocab=5, max_len=10000
[隐藏层] hidden_size=32, stages=4
[权重] 已加载 3024 个参数键
[参数量] 2,336,868
[推理测试]
短序列(100bp): 长度=39bp, 耗时=505.0ms
输入: (1, 39)
输出: (1, 4)
heart: 0.0737
liver: 0.0559
brain: 0.1342
testis: -0.0306
状态: SUCCESS
[状态] SUCCESS[设备] cpu
[推理测试]
短序列(100bp): 长度=39bp, 耗时=22.8ms
中序列(500bp): 长度=290bp, 耗时=293.4ms
长序列(1000bp): 长度=580bp, 耗时=492.9ms
状态: SUCCESS运行命令:
python3 inference.py --model-path ./pangolin_weights --device cpu输出:
[推理测试]
短序列(100bp): 长度=39bp, 耗时=22.8ms
输入: (1, 39)
输出: (1, 4)
heart: 0.0350
liver: 0.0891
brain: -0.0100
testis: -0.0905
状态: SUCCESS运行命令:
python3 inference.py --model-path ./pangolin_weights --device npu:0输出:
[推理测试]
长序列(1000bp): 长度=580bp, 耗时=80.7ms
输入: (1, 580)
输出: (1, 4)
heart: 0.0791
liver: 0.0619
brain: 0.1257
testis: -0.0295
状态: SUCCESS


测试数据: 人工合成 RNA 序列
评测指标:
| 指标 | 结果 | 说明 |
|---|---|---|
| 输出维度 | (batch, 4) | 4 个组织类型 |
| 短序列(39bp) 延迟 | 22.8ms (CPU) / 505ms (NPU) | 首次 NPU 调用含 warmup |
| 中序列(290bp) 延迟 | 293.4ms (CPU) / 16.3ms (NPU) | NPU 并行加速 |
| 长序列(580bp) 延迟 | 492.9ms (CPU) / 80.7ms (NPU) |
评测命令:
python3 inference.py --model-path ./pangolin_weights --device npu:0