FengWu-W2S
# 模型介绍 FengWu-W2S（FengWu Weather-to-Subseasonal）是基于 FengWu 扩展的无缝天气到次季节全球预报模型。 论文：FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere https://arxiv.org/abs/2411.10191 # 模型描述 该模型采用 6 小时步长进行最长 42 天自回归预报，并通过大气、海洋和陆面耦合以及多样性扰动增强延伸期预报能力。 # 适用场景 | 场景 | 说明 | | :---: | :--- | | 天气到次季节预报研究 | 使用 78 通道、6 小时时间分辨率的全球气象和海气陆耦合数据训练模型。 | | 本地快速验证 | 使用小网格合成 HDF5 数据检查训练、微调、推理和推理输出可视化流程。 | | ModelScope/OneCode 运行 | 作为独立模型包下载后安装依赖并运行脚本。 | | 多卡训练 | 通过 torchrun 启动 PyTorch DistributedDataParallel。 | # 使用说明 ## 1. OneCode 使用 可通过 OneCode 在线环境体验智能化一键式 AI4S 编程： [点击体验智能化一键式 AI4S 编程](https://web-2069360198568017922-iaaj.ksai.scnet.cn:58043/home) ## 2. 手动安装使用 **硬件要求** - 推荐使用 GPU 或 DCU 运行。 - CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。 - DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。 ### 下载模型包 ```bash modelscope download --model OneScience/FengWu-W2S --local_dir ./FengWu-W2S cd FengWu-W2S ``` ### 安装运行环境 **DCU环境** ```bash # 请首先激活DTK及CONDA conda create -n onescience311 python=3.11 -y conda activate onescience311 # 支持uv安装 pip install onescience[earth-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai ``` **GPU环境** ```bash # 请首先激活CONDA conda create -n onescience311 python=3.11 -y libstdcxx-ng=12 libgcc-ng=12 gcc_linux-64=12 gxx_linux-64=12 conda activate onescience311 # 支持uv安装 pip install onescience[earth-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai ``` ### 训练数据介绍 OneScience 社区提供可供训练的 ERA5 数据（受数据文件大小限制，当前仓库内为完整数据切片），用户可通过下述命令下载，并确认 `conf/config.yaml` 中数据路径设置正确： ```bash modelscope download --dataset OneScience/ERA5 --local_dir ./data ``` 真实训练数据需要包含 conf/config.yaml 中列出的全部通道。用于快速检查时，可显式生成小网格合成数据，同于流程测试： ```bash python scripts/fake_data.py ``` ### 训练 单卡： ```bash python scripts/train.py ``` 多卡： ```bash torchrun --nproc_per_node=2 scripts/train.py ``` 基础训练检查点默认保存到 data/checkpoints/model_bak.pth。 ### 训练权重 本仓库在 weights/ 文件夹内提供基于ERA5再分析数据训练的权重，权重文件即将上传，预计将于近期完成。 ### 推理 ```bash python scripts/inference.py ``` 推理需要项目训练产生的检查点，默认将逐时效预测保存到 result/output/