compressionkit-ppg-4x（昇腾 NPU 适配版）

compressionkit-ppg-4x 是基于 Residual Vector Quantization（RVQ） 的 PPG （光电容积脉搏波）信号压缩编解码器，针对边缘可穿戴设备优化：Encoder 将 320 采样点 /帧（64 Hz，5s）PPG 信号压缩为 4 级 RVQ 索引码流（4x 压缩率），Decoder 重建原始 信号，支持 INT8 量化部署。原始权重为 Keras .keras / TFLite 格式，本仓库提供 Keras→PyTorch 重建版（纯 PyTorch 算子），可在昇腾 NPU 上直接推理。

本仓库为昇腾 Model-Agent 模型适配大赛交付物，已将模型完整适配到 Ascend NPU （Ascend-910 系列）推理，交付 inference.py 推理脚本、readme.md 部署说明与 requirements.txt 依赖清单。

模型信息

环境依赖

• Python 3.10/3.11，PyTorch 与 torch_npu 版本匹配（本环境为 PyTorch 2.9.0 + torch_npu 2.9.0）
• 推理仅需 PyTorch + NumPy（模型为纯 PyTorch 重建版，无 Keras/TFLite 运行时依赖）
• 依赖安装（华为云 PyPI 镜像加速）：

pip install -r requirements.txt -i https://repo.huaweicloud.com/repository/pypi/simple/

NPU 适配说明

原始权重为 Keras .keras / TFLite 格式，经两阶段转换重建为纯 PyTorch：

1. 纯 TensorFlow 进程导出 Keras 层权重为 npz（避免 TF+torch 同进程段错误）；
2. 纯 PyTorch 进程构建 compressionkit_ppg4x.pt（encoder/decoder state_dict + codebooks），关键点：
   • BatchNorm2d / LayerNorm 的 eps=1e-5（与 Keras 一致，实测是 RVQ 索引 一致性的关键，误用 1e-3 会导致索引翻转）；
   • SeparableConv2D depthwise 权重转置 (kh,kw,in,1) → (in,1,kh,kw)；
   • Conv2D padding='same' 用显式 F.pad 等价实现（kernel 7 stride 2 → pad 2/3）。

推理路径全部为标准 PyTorch 算子（Conv2d / BatchNorm2d / LayerNorm / F.interpolate）， device 透传 npu:0 即可全量运行在 NPU，无 CUDA 硬编码、无 CPU fallback。

推理用法

# 默认用例：官方 sample_stimulus 前 4 条 PPG 信号压缩+重建（NPU 推理）
python3 inference.py --device npu:0

# CPU 推理（对比基线）
python3 inference.py --device cpu

# 自定义 PPG 信号（320 点帧，64 Hz）
python3 inference.py --device npu:0 --signal "0.6*sin(2*pi*1.2*t)" --samples 2

# 指定输出 JSON
python3 inference.py --device npu:0 --output result.json

实测结果（默认用例：sample_stimulus 前 4 条，本机 Ascend NPU）

说明：

1. 本机 NPU 单次前向耗时高于 CPU，是因为模型极小（约 59K 参数）而 NPU 存在 算子下发/设备通信开销，批处理或实际边缘部署可摊薄；CPU/NPU 输出数值一致 （逐条 max_abs_diff 与官方 TFLite float32 全链路完全相同：0.017/0.024/0.152/0.058）， 差异来源于官方 sample_stimulus 参考重建本身，非 NPU 引入；
2. 与官方 TFLite float32 全链路逐条对比完全一致（sample 0-3： max_abs_diff=0.017/0.024/0.152/0.058，逐位吻合），证明 PyTorch 重建正确。

输入输出说明

• 输入：[B,1,320,1] float32 PPG 信号（64 Hz，每帧 320 点 = 5s），默认使用官方 sample_stimulus.npz（10 条参考样本），或 --signal 自定义正弦表达式
• 输出：重建 PPG 信号 [B,1,320,1]（float32）+ RVQ 压缩索引 [B,80,4]（int32， 即压缩码流，4 级 × 80 帧位置）；与官方参考重建对比报告 max/mean 绝对差
• 限制：输入帧长固定 320 点（64 Hz × 5s）；压缩率固定 4x

目录结构

├── inference.py               # 推理脚本（必选，PyTorch 重建 + NPU device 透传）
├── readme.md                  # 部署说明文档（必选）
├── requirements.txt           # 环境依赖清单
├── compressionkit_ppg4x.pt    # PyTorch 重建权重（encoder/decoder + 码本）
└── sample_stimulus.npz        # 官方参考样本（inputs/targets/reconstructions）

引用

@misc{compressionkit,
  title  = {compressionKIT: Ambiq Compression Toolkit},
  author = {Ambiq AI},
  year   = {2025},
  note   = {https://ambiqai.github.io/compressionkit/}
}