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

Ambiq/compressionkit-ecg-2x (ECG RVQ decoder) — Ascend NPU 适配

原始模型: https://huggingface.co/Ambiq/compressionkit-ecg-2x

模型说明

Ambiq 生物信号 RVQ 压缩解码器(ECG 心电,2x 上采样版本):

  • 输入: RVQ latent [N, 16, T, 1](16 阶码本残差)
  • 架构: UpSample(1,2) -> Conv2d(48, 1x7) -> ReLU -> SeparableConv(48, 1x5) -> ReLU -> LayerNorm(48) -> Conv2d(1, 1x1)
  • 参数量: 8,209(33KB safetensors)
  • 任务: 从 RVQ 压缩 latent 重建 ECG 波形

权重来源: 原始 HF 仓库为 gated 仓库(HTTP 401 无法匿名获取),已获授权在本地下载 decoder.keras, 经 keras2torch.py(本仓库一并入库)转换为 PyTorch safetensors 权重(键布局 <layer>.weight/.depthwise/.pointwise/.bias/.gamma/.beta)。

NPU 适配结果(Ascend 910)

指标数值
output cos_sim (CPU vs NPU)1.000000
max_abs_err3.154e-03
CPU 延迟21.399 ms/iter (batch=256)
NPU 延迟0.745 ms/iter
加速比28.73x

环境: Python 3.11.14 / torch 2.9.0+cpu / torch_npu 2.9.0.post1 / CANN 8.5.1 / Ascend 910 ×2

使用方式

pip install -r requirements.txt
python inference.py --variant ecg-2x

自动检测 torch_npu:有 NPU 则输出 CPU vs NPU 对比,无则 CPU-only。

文件说明

文件说明
inference.pyCPU/NPU 推理对比脚本(Decoder 类 + KEY_REMAP 权重映射)
keras2torch.pydecoder.keras → PyTorch safetensors 权重转换脚本
decoder-ecg-2x.safetensors转换后的解码器权重
meta-ecg-2x.json模型层结构元数据
assets/agent_workflow.png适配工作流
assets/npu_device_call.pngNPU 设备调用证据
assets/model_result.png精度与性能对比结果