AutonLab/MOMENT-1-base — 昇腾 NPU 零样本时序点预测

#NPU

MOMENT-1-base 是 CMU Auton Lab 发布的时序基础模型（T5-encoder 主干，113M 级参数，MIT 协议）。本仓在单卡昇腾 Ascend910（npu:0）上加载官方预训练权重，使用预训练 reconstruction head 的 short_forecast 机制做零样本点预测（context=512 → horizon=96），并给出真实数据上的 CPU/NPU 一致性、业务指标与性能结果。

数据契约

• 来源：ibm-research/patchtsmixer-etth1-test-data（公开 Hugging Face dataset，真实 ETTh1 测试窗口）。
• 文件：forecast_batch.pt，含 past_values[64,512,7] 与 future_values[64,96,7]。
• 轴顺序：输入 [batch, channels, time]；7 通道 HUFL,HULL,MUFL,MULL,LUFL,LULL,OT；频率 1h；无缺失步。
• context=512，horizon=96（预测窗口不越过数据边界）；模型内部 RevIN 归一化并逆缩放，输出与输入同尺度。
• 推理脚本不提交原始数据，首次运行自动从数据集仓下载到本地 data/。

环境

• Python 3.11.14；CANN 8.5.1；torch 2.9.0；torch_npu 2.9.0.post1。
• torch.npu.is_available() == True，设备数 2，目标设备 npu:0。

安装

pip install torch torch_npu momentfm==0.1.4 transformers huggingface_hub numpy safetensors

昇腾 CANN 与 torch_npu 请按官方文档安装。

NPU 推理

# 默认在 npu:0 上跑零样本点预测（首次自动下载权重与数据）
python inference.py

# 指定本地权重/数据目录
python inference.py --model-dir /path/to/weights --data-dir /path/to/data

# 稳定阶段性能基准（预热 3 次、测试 10 次）
python inference.py --bench

真实结果

默认运行（seed=42，ETTh1 第 0 个窗口，context=512，horizon=96，npu:0，fp32）：

forecast shape=(7, 96)  device=npu:0
forecast OT ch6[:6] = [-1.0103, -1.0188, -0.8169, -0.9538, -0.9294, -0.6924]
forecast stat      = mean=-0.4246 std=0.4891
MAE=0.7930  RMSE=1.0766  SMAPE=1.3299（对真实 future_values 计算，未缩放）
FINAL STATUS: PASS

一致性（CPU vs NPU）

相同权重、相同输入窗口、相同 seed、eval 模式、fp32：

• 输出形状一致 (7, 96)，均有限值。
• max_abs_error = 1.19e-06，mean_abs_error = 1.94e-07（atol=1e-4, rtol=1e-3）→ PASS。

性能（npu:0，context=512，horizon=96，fp32）

计时前后均执行 torch.npu.synchronize()；不含 CSV/预处理读取。

证据图（由 xterm.js 依据本次真实日志渲染）

• agent_workflow：侦察、下载、加载、CPU/NPU 推理、一致性、benchmark、提交校验。
• npu_device_call：npu-smi、NPU 可用性、模型参数 device/dtype、输入输出 Tensor device。
• model_result：默认 python inference.py 的真实完整输出。

图片为 xterm.js 终端渲染，非原始桌面截图。

限制

• short_forecast 复用预训练 reconstruction head 做零样本预测，未针对 ETTh1 微调； forecasting/classification 专用 head 需自行微调后使用。
• 单样本窗口一致性为 smoke consistency，非完整数据集 benchmark 排名。
• 权重未包含在本仓，需按模型权重 URL 自行下载。