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。
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][None,1,512,1] / Output [None,1,256,16];采样率 256Hz;压缩比 2xencoder.keras、decoder.keras、codebook.npz),支持离线 NPU 推理requirements.txt)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| 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。
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。
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。