DecisionTransformerModel (model_type: decision_transformer),隐藏大小 128、n_embd 768、n_layer 3、n_head 1、n_positions 1024,state_dim 11、act_dim 3、max_ep_len 1000,约 858,767 参数,float32,action_tanh=True,Tanh 头约束动作至 [-1,1]。states [B,T,11] float32、actions [B,T,3] float32(归一化后 clamp [-1,1])、returns_to_go [B,T,1] float32、timesteps [B,T] long(0..999)、attention_mask [B,T] long,本次固定 B=1, T=20, seed=0,与官方 Blog 的 Gym Hopper 观测维度一致。action_preds [B,T,3] float32、state_preds [B,T,11]、return_preds [B,T,1],验收对象为最后位置动作 action_preds[0,-1](下一动作),horizon=1 decision,action_dim=3,坐标系为 Gym Hopper 扭矩,sampler 固定(无随机采样、eval mode、相同 seed/权重)。pytorch_model.bin 6.3 MB(6,600,494 bytes),config.json 已固定本地 working/models/decision-transformer-gym-hopper-medium,通过 snapshot_download / from_pretrained 依赖 HF_ENDPOINT=https://hf-mirror.com 自动走国内镜像。npu:0,torch_npu 2.9.0.post1,torch 2.9.0+cpu,CANN 8.5.1,2 cards 可用,实际使用 npu:0,npu-smi 正常,torch.npu.is_available() true,device_count 2。states [1,20,11] float32 mean 0.0179 std 0.9625 cpu vs npu:0,actions mean -0.0657,returns mean -0.1238,timesteps 0..19 long,attention sum 20,首参 device npu:0 vs cpu,所有浮点张量 npu:0 无 CPU fallback。action_preds [1,20,3] float32 cpu 最后动作 [-0.515778, 0.745461, -0.644074] finite true bounds trueaction_preds [1,20,3] float32 npu:0 最后动作 [-0.515778, 0.745461, -0.644074] finite true,device npu:0float32,max_abs 5.44e-07,mean_abs 1.37e-07,max_ref 0.9628,tolerance 0.00106 (atol 1e-4 + rtol 1e-3 * max_ref),PASS,validate_policy_outputs.py --atol 1e-4 --rtol 1e-3 计数 3 passed true finite true。3.12 ms(含图编译与同步),warmup 3,稳态 avg 3.09 ms min 3.04 max 3.16 p50 3.07 p90 3.15 p95 3.16(10 runs),323.86 decisions/s / 323.86 actions/s,batch 1、T 20、state 11、act 3、horizon 1、float32,torch.npu.synchronize() 包围计时。benchmark_policy.py 报告 avg_ms 2.93 对应 341.44 decisions/s(相同配置不同次测量波动 <5%)。pytorch_model.bin)、观测(seed 0 随机同批)、预处理(无归一化,直接 float32 输入,保留 RTG 语义)、采样(eval 无 dropout,无随机)、seed 0、dtype float32、generation 参数一致。validate_policy_outputs.py FP32 默认阈值 atol 1e-4 rtol 1e-3,真实 max_abs 5e-07 远小于阈值。first_param_device npu:0,states_npu npu:0,timesteps_npu npu:0,action_preds npu:0,采样无 .cpu() 隐式路径。benchmark_policy.py --items-per-call 1 --unit decisions 输出 avg_ms 2.928, decisions_per_s 341.44。npu:0 即可,模型仅 6.3 MB 权重,峰值显存 <200 MB,远低于 64 GB HBM,无需多卡。torch 2.9, torch_npu 2.9.post1, transformers, huggingface_hub, numpy,无需 gymnasium 运行时(闭环 rollout 为额外评估,不替代数值一致性)。python inference.py
# 自动解析 working/models/decision-transformer-gym-hopper-medium 或 snapshot_download
# 打印模型/revision/route/backend/device/dtype、输入摘要、动作摘要、同步耗时、PASS/FAIL
python -m scripts.validate_policy_outputs --cpu /tmp/cpu_action.json --npu /tmp/npu_action.json --atol 1e-4 --rtol 1e-3
python scripts/benchmark_policy.py --latencies-ms /tmp/dt_lat.json --items-per-call 1 --unit decisions


inference.py
readme.md
requirements.txt
assets/agent_workflow.png
assets/npu_device_call.png
assets/model_result.png许可证 MIT;权重遵循原 edbeeching/decision-transformer-gym-hopper-medium (MIT)。