#NPU
NPU 适配版本 - 原始模型: graceesthi/ug-cppo-finai-2025
UG-CPPO v3: Uncertainty-Gated CVaR-PPO Trading Agents,基于 Stable-Baselines3 PPO 的金融交易强化学习智能体。原始仓库包含 30 个训练好的智能体 (3 模式 × 10 seeds: PPO/CPPO/UG-CPPO, seeds 42-51),每个 250k timesteps,评估于 2019-2023 Nasdaq 10 支股票 (AAPL, MSFT, AMZN, NVDA, META, GOOGL, TSLA, NFLX, AMD, COST)。
本 NPU 仓库选取 UG-CPPO seed47 (Top performer, Rachev 1.0104) 为默认推理权重,其网络为 81 -> 64 (Tanh) -> 64 (Tanh) -> 10 的 Actor-Critic Policy (MlpExtractor + ActionNet),policy.pth 约 83KB,FP32。该模型本质为表格数据回归/连续动作预测:输入为 81 维状态向量 (tabular rows × features),输出为 10 维连续交易动作 [-1,1] (portfolio weights)。
ug_cppo_seed47.zip 内 policy.pth (OrderedDict),已验证 30 个 zip 均同构 81×64| 项 | 值 |
|---|---|
| 输入类型 | 表格 DataFrame / numpy [batch, 81] float32 |
| 列顺序 | feat_0 ... feat_80 (固定 81 维,等价于 FinRL 状态向量) |
| dtype | float32 |
| 缺失值 | 不预期;推理前需填充,否则报错 |
| 目标列 | 无 (RL 动作预测,非监督 label) |
| 类别/文本列 | 无 |
| 预处理 | 无 (raw float32 直接送入 Linear),不得重排列顺序 |
| 输出 | [batch,10] float32 连续动作,实际交易前 clip(-1,1) |
| Tickors 顺序 | [AAPL, AMD, AMZN, COST, GOOGL, META, MSFT, NFLX, NVDA, TSLA] 对应 action dim 0..9 |
| 合法校验 | 检查列数=81、dtype 可转 float32、有限值 (finite) |
示例输入 (seed 42, 16 rows):
[0.248, -0.069, 0.323, 0.761, -0.117]npu:0HF_ENDPOINT=https://hf-mirror.com (国内镜像)pip install -r requirements.txt
# 或 pip install torch torch-npu numpy pandas huggingface-hub默认命令 (自动从本地 model_cache 或 HF 镜像下载权重,显式搬运至 npu:0):
python inference.py预期日志包含:
npu_available True, device_name Ascend910_9362, param device npu:0Input Tensor device npu:0Output device npu:0 及真实预测数值torch.npu.synchronize()) 与 SUCCESS 状态其他 seed:
python inference.py --zip ppo_seed42.zip # 需自行修改 DEFAULT_ZIP 或环境变量以 ug_cppo_seed47.zip, batch=16, seed=42 合成输入为例 (与 CPU 基线同分布同种子):
[-1.867525, -1.509392, 0.564421, 3.298039, 2.285377, 0.495307, -0.317496, -0.592716, -2.863995, -0.373153][-1.8675249, -1.5093916, 0.5644217, 3.2980391, 2.2853784, ...] max_abs diff 8.3e-07[-1.0, -1.0, 0.5644, 1.0, 1.0, 0.4953, -0.3174, -0.5927, -1.0, -0.3731]cpu.npy vs npu.npy (同权重、同输入、同dtype float32、同seed、eval mode),使用 scripts/compare_outputs.py --task regression --atol 1e-4 --rtol 1e-3max_abs_error 9.5367e-07, mean_abs_error 2.19e-07, passed true, 阈值 FP32 默认,未放宽torch.npu.synchronize() 前后计时,首轮含编译:
三图由 scripts/render_xterm_evidence.mjs --style raw 根据本次真实日志生成 (非 Pillow 模拟),深灰背景白字,提示符 atomgit@pod-a94f8701860f4700b161b00e290de466:~$:
assets/agent_workflow.png - 侦察、数据检查、下载、加载、NPU 推理、一致性、benchmark、提交校验assets/npu_device_call.png - npu-smi info + check_npu.py + 参数 device/dtypeassets/model_result.png - python inference.py 完整输出

obs -> action -> env.stepDEFAULT_ZIP@inproceedings{dong2026ugcppo,
title={UG-CPPO: Uncertainty-Gated LLM Infusion for Risk-Sensitive RL Trading Agents},
author={Dong, Grace-Esther},
booktitle={NeurIPS 2026 FinAI Contest},
year={2026}
}