DQN-LunarLander-v2 是使用 DQN 算法在 LunarLander-v2 环境上训练的深度强化学习策略模型,由 stable-baselines3 训练。
DQN(3 层 MLP,256维)dqn-LunarLander-v2.zip(1.1MB)| 组件 | 版本 | 说明 |
|---|---|---|
| torch | 2.9.0+cpu | PyTorch |
| torch_npu | 2.9.0.post1 | 昇腾 NPU 插件 |
| stable-baselines3 | 2.9.0 | RL 框架 |
| gym | 0.26.2 | 环境兼容层 |
| shimmy | >=0.2.1 | Gym→Gymnasium 兼容 |
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
python3 inference.py策略网络参数: 138,248
前向推理基准 (runs=100):
平均耗时: 0.450 ms / 次前向
随机观测的动作: 1验收结论:DQN 策略在 NPU 上前向推理正确,单次前向仅 0.450ms。
dqn-lunarlander-v2-npu-deployment/
├── inference.py
├── readme.md
├── requirements.txt
├── SKILL.md
├── model_dl/
└── assets/