ohhoohho/compressionkit-ecg-2x
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

compressionkit-ecg-2x(昇腾 NPU 适配版)

Ambiq/compressionkit-ecg-2x-v1.0 的昇腾(Ascend) NPU 部署仓库。模型是 ECG 信号 RVQ 压缩编解码器(Residual Vector Quantization,4 级码本),可对 256Hz 心电信号做 2x 压缩与重建。

  • 官方来源:https://huggingface.co/Ambiq/compressionkit-ecg-2x
  • 部署目标:昇腾 Atlas 910 系列 NPU
  • 这是非 LLM 的编解码 CNN,无需 vLLM-Ascend,直接用 PyTorch + torch_npu 推理

模型结构(channels_last / Keras)

Encoder : [B,1,512,1] → Conv2D(48,[1,7],s2) → BN → ReLU → Conv2D(16,[1,1]) → latent [B,256,16]
RVQ     : 4 级码本,每级 256 × 16 维
Decoder : [B,1,256,16] → UpSample([1,2]) → Conv2D(48,[1,7]) + ReLU
        → SeparableConv2D(48,[1,5]) + ReLU + LayerNorm(48) → Conv2D(1,[1,1]) → recon [B,512,1]
  • Encoder Input [None,1,512,1] / Output [None,1,256,16];采样率 256Hz;压缩比 2x
  • 权重内置(encoder.keras、decoder.keras、codebook.npz),支持离线 NPU 推理

环境

  • Python 3.10+ / PyTorch / torch_npu / h5py / numpy(见 requirements.txt)
  • 本机已验证:CANN 8.5.1 · torch_npu 2.9.0 · Ascend 910B

用法

python inference.py --device npu:0                # NPU 推理(合成 ECG 信号)
python inference.py --device npu:0 --signal npz   # 用官方样例输入重建验证
python inference.py --device cpu --signal npz     # CPU 对照

精度(NPU 实测)

指标NPU 结果
PRD(重建 vs 原始)2.18%
Cosine(重建, 原始)0.99976
压缩比2.0x
单帧耗时~27 ms

重建与官方 sample reconstruction 高度一致(PRD≈0.64%),说明 NPU 前向与 Keras 参考实现逐位对齐。

预处理约定

输入按 per_frame_layer_norm 逐帧归一化:norm=(x-mean)/sqrt(var+1e-3),重建后逆归一化还原原始幅值。

文件清单

  • inference.py 推理脚本(NPU/CPU 双后端)
  • requirements.txt 依赖清单
  • encoder.keras / decoder.keras / codebook.npz / sample_stimulus.npz / config.json 权重与样例
  • assets/ 部署截图素材

权重版权归 Ambiq 所有,遵循 Ambiq Model Weights License;训练数据 PTB-XL(CC BY 4.0)。本仓仅做昇腾 NPU 部署适配。