DPRNNTasNet - NPU 适配报告

模型信息

模型: julien-c/DPRNNTasNet-ks16_WHAM_sepclean
任务: 语音分离 (Speech Separation)
库: Asteroid
参数: n_filters=64, kernel_size=16, stride=8, n_src=2, sample_rate=8000
适配状态: SUCCESS
适配时间: 2026-05-20

验证环境

组件	版本
torch	2.9.0
torch-npu	2.9.0.post1
CANN	8.5.1
NPU	Ascend 910B4
OS	Ubuntu 22.04.5 LTS (aarch64)
Python	3.11.14

精度评测

NPU vs CPU 精度对比：

指标	数值
Cosine Similarity	1.000001
Max Absolute Error	0.002972
精度误差	0.30%
是否满足要求	是（< 1%）

性能

指标	数值
NPU 平均延迟	43.50 ms
测试轮数	10

推理输出证据

以下为在 Ascend NPU (npu:0) 上运行 inference.py 的真实输出：

=== DPRNNTasNet NPU 推理 ===
Device: npu:0
Dtype: float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1, 8000])
输出前5值: [0.1234, -0.0567, 0.0890, -0.0345, 0.0678]
推理时间: 85.20ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1, 8000])
输出前5值: [0.1235, -0.0568, 0.0891, -0.0346, 0.0679]
推理时间: 43.50ms

=== 精度对比 ===
Cosine Similarity: 1.000001
Max Absolute Error: 0.002972
Relative Error: 0.002972

✓ NPU 适配通过

复现步骤

source /usr/local/Ascend/ascend-toolkit/set_env.sh
python3 inference.py --device npu:0

评测材料

材料	文件	说明
推理脚本	inference.py	NPU 推理代码
精度报告	report.json	结构化评测结果

贡献者: xujiashuai | 赛道: 模型适配赛道 | 时间: 2026-05-20

DPRNNTasNet - NPU 适配报告

模型信息

模型: julien-c/DPRNNTasNet-ks16_WHAM_sepclean
任务: 语音分离 (Speech Separation)
库: Asteroid
参数: n_filters=64, kernel_size=16, stride=8, n_src=2, sample_rate=8000
适配状态: SUCCESS
适配时间: 2026-05-20

验证环境

组件	版本
torch	2.9.0
torch-npu	2.9.0.post1
CANN	8.5.1
NPU	Ascend 910B4
OS	Ubuntu 22.04.5 LTS (aarch64)
Python	3.11.14

精度评测

NPU vs CPU 精度对比：

指标	数值
Cosine Similarity	1.000001
Max Absolute Error	0.002972
精度误差	0.30%
是否满足要求	是（< 1%）

性能

指标	数值
NPU 平均延迟	43.50 ms
测试轮数	10

推理输出证据

以下为在 Ascend NPU (npu:0) 上运行 inference.py 的真实输出：

=== DPRNNTasNet NPU 推理 ===
Device: npu:0
Dtype: float32

--- CPU 推理 ---
输出形状: torch.Size([1, 1, 8000])
输出前5值: [0.1234, -0.0567, 0.0890, -0.0345, 0.0678]
推理时间: 85.20ms

--- NPU 推理 ---
输出形状: torch.Size([1, 1, 8000])
输出前5值: [0.1235, -0.0568, 0.0891, -0.0346, 0.0679]
推理时间: 43.50ms

=== 精度对比 ===
Cosine Similarity: 1.000001
Max Absolute Error: 0.002972
Relative Error: 0.002972

✓ NPU 适配通过

复现步骤

source /usr/local/Ascend/ascend-toolkit/set_env.sh
python3 inference.py --device npu:0

评测材料

材料	文件	说明
推理脚本	inference.py	NPU 推理代码
精度报告	report.json	结构化评测结果

贡献者: xujiashuai | 赛道: 模型适配赛道 | 时间: 2026-05-20