liuhongwei-2026/xECG_base_model_v1
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

xECG_base_model_v1 on Ascend NPU

1. 简介

  • 模型来源: riccardolunelli/xECG_base_model_v1(BenchECG & xECG, arXiv:2509.10151)
  • 模型架构: 12 导联心电信号(100Hz) → Patch 嵌入 → xLSTM(sLSTM + mLSTM) 编码器
  • 参数量: ≈ 57 M
  • 输出: cls 池化表征 [B, 1024] + patch 特征序列 [B, L/25, 1024]
  • 适配状态: SUCCESS
  • 适配时间: 2026-08-22

模型为 ECG 信号机基座模型(非因果 LLM),不适合 vLLM-Ascend 的 chat / 文本生成服务; 本仓库采用 torch_npu 直连 + FastAPI 服务化 的部署形态,在昇腾 NPU 上完成 推理与服务化。

2. 验证环境

组件版本
torch2.9.0
torch-npu2.9.0.post1
xlstm2.0.4
CANN8.5.1
NPUAscend 910 (.1)

3. NPU 适配说明

原模型默认在 sLSTM 使用 backend="cuda",依赖 CUDA kernel,昇腾无 CUDA 会报 KeyError: CUDA_LIB。本仓库在加载时做了两项零迁移适配(不改动模型结构):

  1. sLSTM 后端切换:向 config 注入 backend="vanilla",强制使用纯 PyTorch 实现, 绕开 CUDA kernel 依赖(官方 get_xlstm 已预留该参数)。
  2. 权重布局转置:cuda 后端 _recurrent_kernel_ 张量形状为 [H, state, proj], vanilla 后端为 [H, proj, state],加载时对相关键 permute(0, 2, 1) (官方 load_checkpoint 中留有被注释的同款转换逻辑)。

4. 目录结构

xECG_base_model_v1/
├── inference.py        # 推理脚本(CLI + FastAPI 服务化,必选)
├── xECG.py            # 模型定义(官方源码,仓内自包含)
├── downstream_models.py  # 下游任务模型定义(官方源码)
├── README.md           # 本文档(必选)
├── requirements.txt     # 环境依赖清单
├── model/               # 模型权重(config.json + model.safetensors, 拉取后放入)
└── assets/              # 截图素材(agent_workflow.png, npu_device_call.png, model_result.png)

5. 复现步骤

# 1) 安装依赖
pip install -r requirements.txt

# 2) 拉取权重(任一镜像)
HF_ENDPOINT=https://hf-mirror.com python -c "from huggingface_hub import snapshot_download; snapshot_download('riccardolunelli/xECG_base_model_v1', local_dir='./model')"
# 或 gitcode 镜像: https://ai.gitcode.com/hf_mirrors/riccardolunelli/xECG_base_model_v1

# 3) 命令行推理(NPU)
python3 inference.py --model-dir ./model --device npu:0

# 4) 服务化推理
python3 inference.py --serve --model-dir ./model --device npu:0 --host 127.0.0.1 --port 8001
curl http://127.0.0.1:8001/health
curl -X POST http://127.0.0.1:8001/v1/predict -H 'Content-Type: application/json' \
     -d '{"length":1200}'

6. 验证结果(NPU)

名称数值
参数量57.02 M
输入形状[1, 1200, 12]
推理耗时448.9 ms(NPU:0)
输出cls [1,1024] + patch [1,48,1024]

NPU 设备调用 推理结果


贡献者: liuhongwei-2026 | 赛道: 模型适配赛道