s
stella4528/ppo-Pendulum-v1-NPU
Model Introduction
Files & versions
Pull Requests
Discussion
Analysis

ppo-Pendulum-v1 昇腾 NPU 推理适配

原始权重:HumanCompatibleAI/ppo-Pendulum-v1 适配账号:stella4528 · 昇腾 Ascend 910B · torch_npu 2.9.0.post1

简介

强化学习策略模型已完成昇腾 NPU 推理适配,六件套(minimal / accuracy / benchmark / stability / inference)全 PASS,验收达标。

架构

sb3 PPO MLP policy(actor-critic),权重 ascend-model/policy.pth

环境

  • 昇腾 Ascend 910B(NPU:0),CANN 8.5.1
  • PyTorch 2.9.0 + torch_npu 2.9.0.post1
  • 依赖见 requirements.txt

权重

权重已按比赛要求整理于 ascend-model/ 目录(真实权重文件,非 LFS 指针)。

验收结果

项目结果
精度rel_l2_action=7.85e-08、rel_l2_value=1.66e-07
性能p50 1.0ms / avg 1.0ms
稳定性20/20 逐位一致
形状一致
finite全 finite

脚本复现

python3 minimal_repro.py    # 最小前向验证
python3 accuracy_eval.py    # 精度验收(CPU/NPU 对比)
python3 benchmark.py        # 性能基准
python3 stability.py        # 稳定性(20 轮)
python3 inference.py        # 推理演示

目录结构

s61/
├── common.py / minimal_repro.py / accuracy_eval.py
├── benchmark.py / stability.py / inference.py
├── results/          # 验收 JSON
├── assets/           # 真实运行截图
└── ascend-model/     # 权重

生成时间:2026-08-25 · stella4528 号冲榜工作