凤
weixin_44093752/Ambiq-compressionkit-ECG-2x-Ascend-NPU
模型介绍
文件和版本
Pull Requests
讨论
分析

Ambiq/compressionkit-ecg-2x Ascend NPU 适配

目录短名称 Ambiq/compressionkit-ecg-2x 会经由 Google 和官方 Hugging Face 发布解析至公开模型 Ambiq/compressionkit-ecg-2x-v1.0。锁定版本的数据包包含官方 ECG RVQ 神经编解码器，采用 256 Hz 下 512 采样点帧，并遵循 2x 压缩约定。

官方来源

  • 已解析的 Hugging Face 模型：https://huggingface.co/Ambiq/compressionkit-ecg-2x-v1.0
  • 修订版本：4d07900f24978ee3830ee2a6a4e2becaa0880645
  • 官方源码：https://github.com/AmbiqAI/compressionkit/tree/69b94d836dd8a24f227d411e99ef4ff2a7de2b7d
  • 权重许可证：ambiq-model-weights-license

适配边界

官方 LiteRT/TFLite float32 编码器与解码器模型工件保留在 artifacts/ 下；其大小和 SHA-256 值已在 model-lock.json 中固定。封装器会校验官方文件，应用官方逐帧层归一化约定，通过 LiteRT 运行官方 float32 编解码器往返流程，将潜变量张量移动到 npu:0，执行 Ascend NPU 有限值/数据通路门禁，并通过官方解码器返回重建结果。

该 Pod 不具备 Ascend LiteRT 委托。因此，本次冒烟运行中的官方 TFLite 算子使用 LiteRT CPU 委托；NPU 门禁覆盖真实潜变量传输和 NPU 操作。此点已明确记录，并不作为完整编解码算子 NPU 执行来呈现。未评估完整的 ECG 信号质量精度。

运行

安装 requirements.txt 依赖，保留 artifacts/ 中已固定的模型工件，并运行 inference.py --artifact-path ./artifacts --device npu --device-index 0。

证据

智能体工作流

NPU 设备调用

模型结果