FourCastNet

模型介绍

FourCastNet（Fourier ForeCasting Neural Network）是基于 AFNO（Adaptive Fourier Neural Operator）的、由NVIDIA联合多家顶尖学术机构共同开发的全球天气预报模型。

论文：FourCastNet: A Global Data-driven High-resolution Weather Forecasting Model

https://arxiv.org/abs/2202.11214

模型描述

FourCastNet 是基于自适应傅里叶神经算子的全球高分辨率天气预报模型，适用于中短期全球天气预报研究。

适用场景

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

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

modelscope download --model OneScience/FourCastNet --local_dir ./FourCastNet
cd FourCastNet

安装运行环境

DCU环境

# 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

# 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：

modelscope download --dataset OneScience/ERA5 --local_dir ./data

训练

单卡：

python scripts/train.py

多卡：

torchrun --nproc_per_node=8 --nnodes=1 --rdzv_id=1000 --rdzv_backend=c10d --max_restarts=0 --master_addr="localhost" --master_port=29500 scripts/train.py

训练输出：

data/checkpoints/model_bak.pth
data/checkpoints/trloss.npy
data/checkpoints/valoss.npy

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

推理默认读取 data/checkpoints/model_bak.pth：

python scripts/inference.py

预测结果输出到：

result/output/

评估与可视化

python scripts/result.py

输出内容包括：

• result/rmse.npy
• result/acc.npy
• result/loss.png
• 指定日期和变量的预报对比图

OneScience 官方信息

引用与许可证

• 本仓库为 FourCastNet 的独立复现，架构设计参考自 Pathak 等人（2022）的原始论文。