g
gcw_StsIRaj1/ppo-huggy-npu
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

PaulVialard/ppo-Huggy 昇腾 NPU 适配

  • 官方模型池:Phase 4 / Row 46
  • 参赛微信名称:风云游子
  • 参赛 AtomGit ID:@gcw_StsIRaj1
  • 模型来源:https://huggingface.co/PaulVialard/ppo-Huggy
  • 官方可达镜像:https://ai.gitcode.com/hf_mirrors/PaulVialard/ppo-Huggy
  • 上游许可证:Upstream model card does not declare a license
  • 推理引擎:official ONNX graph + CANN ATC + AscendCL Python
  • 验证硬件:Ascend910 / CANN ATC / AscendCL Python / npu:0

作品结论

本作品在大赛官方远端 Ascend Model Agent 的 Ascend910 上加载真实 checkpoint,并完成 full official ML-Agents PPO Huggy policy graph forward。CPU fallback 被禁止;模型、输入与输出设备信息、权重加载审计、输出统计、软件版本和耗时均固化在 evidence/result.json。

固定官方 revision、2,274,020 字节 Huggy.onnx 与 SHA-256;不修改 30 节点、14 initializer 的冻结策略图,仅将动态 batch 固定为 1 后由 CANN ATC 编译为 Ascend910_9362 OM。pyACL 完整执行 59 维观测到随机与确定性两组 21 维动作,ACL 耗时 0.727 ms;确定性动作与 ONNX Runtime CPU 参考最大误差 0.000643。

适配边界

  1. 保留上游模型结构、参数与任务语义,只增加 NPU 设备迁移、必要的版本兼容和证据采集。
  2. 使用确定性合成输入执行最小可复现实验,避免外部数据集和网络波动影响复核。
  3. 加载失败、张量落回 CPU、输出非有限或形状不符时立即失败,不以随机初始化或 CPU 结果替代。
  4. 本作品验证官方权重的昇腾 NPU 前向推理链路可执行,不声称完成训练,也不把烟测统计解释为业务精度。

应用价值与决策边界

  • 目标场景:Unity ML-Agents Huggy 连续控制策略的 Ascend NPU 迁移验收
  • 输入语义:1×59 ML-Agents 观测向量
  • 输出语义:1×21 随机连续动作与 1×21 确定性连续动作
  • 决策支持:验证官方冻结 PPO 策略图无需 Unity 运行时也能在 AscendCL 上完整执行;Unity 环境仍负责采集观测和应用动作。
  • 证据边界:当前证明固定官方 ONNX 策略网络的全图 NPU 前向与确定性数值一致性,不运行 Unity 场景,不声称游戏得分或控制安全性;上游模型卡未声明许可证。

运行步骤

远端环境应预先安装版本匹配的 CANN,并使用 CANN 自带的 atc 与 pyACL;不要用普通 pip install 覆盖官方 NPU 运行时。

python3 -m pip install -r requirements.txt
source /usr/local/Ascend/cann-8.5.1/set_env.sh
python3 inference.py --model-dir /tmp/atomgit/ppo_huggy --output-dir outputs --device npu:0
npu-smi info
cat outputs/result.json

实测证据

  • 模型状态设备:npu:0
  • 输入语义:[1,59]
  • 输出形状:[1,21]
  • 参数量:566,947
  • 推理耗时:1126.418 ms
  • 权重加载:严格加载通过(0 缺失/0 意外)
  • 设备闭环:模型、输入、输出张量均为 npu:0
  • checkpoint SHA-256:d6f08bf1fc8865d22b4c005e24d7a8e12eed59b101b08510b2b36b30ff10c195
  • checkpoint 总量:2,274,020 bytes / 1 shard files

evidence/result.json 是机器可读事实源;三张证据图分别呈现 Agent 适配流程、NPU 设备闭环和模型输出结果。

复核清单

  • 真实 checkpoint,非随机初始化
  • 禁止 CPU fallback
  • 模型状态位于 npu:0
  • 输入与输出设备逐字段记录
  • 输出形状和有限性门禁
  • 运行时版本与耗时固化
  • 模型许可证和适配边界明确

Agent适配截图

Agent适配全过程截图

Agent 适配流程

NPU设备调用截图

NPU 设备调用

模型适配结果截图

模型适配结果