Hugging Peers

GraphCast

☆ Save
by OneScience PyTorch Apache License 2.0
14 downloads 1 likes on ModelScope updated

Model card

GraphCast

模型介绍

GraphCast 是由 Google DeepMind 团队开发的全球中期天气预报模型，其核心论文发表于国际顶级期刊 Science

论文：GraphCast: Learning skillful medium-range global weather forecasting

https://arxiv.org/abs/2212.12794

模型描述

GraphCast 是基于图神经网络（GNN）构建的的全球中期天气预报模型，训练数据为 ECMWF 提供的 ERA5 全球大气再分析资料（1979–2017年）。

适用场景

场景 说明
全球天气预报研究 基于年度 ERA5 HDF5 数据训练 GraphCast 风格的图神经网络预报模型。
本地快速验证 使用虚拟数据检查数据读取、辅助文件生成、训练入口和结果脚本。
ModelScope/OneCode 运行 作为独立模型包下载后直接安装依赖并运行脚本。
多卡训练 通过 torchrun 启动多进程训练。

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/GraphCast --local_dir ./GraphCast
cd GraphCast

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

生成辅助文件

python scripts/get_data_json.py
python scripts/compute_time_diff_std.py

生成文件：

  • data.json
  • time_diff_std.npy

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

训练权重

本仓库在weights/文件夹内提供基于1979～2017年ERA5数据训练的权重，权重文件即将上传，预计将于近期完成。

微调

微调前需先完成训练并生成 data/checkpoints/model_bak.pth。

python scripts/finetune.py

微调输出：

data/checkpoints/model_finetune_bak.pth
data/checkpoints/ft_trloss.npy

推理

推理默认读取 data/checkpoints/model_finetune_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

平台 OneScience 主仓库 Skills 仓库
Gitee https://gitee.com/onescience-ai/onescience https://gitee.com/onescience-ai/oneskills
GitHub https://github.com/onescience-ai/OneScience https://github.com/onescience-ai/oneskills

引用与许可证

  • Apache License 2.0。代码开源，允许商业及非商业使用
  • 权重仅允许非商业用途