ai models
0.7.3
إخلاء المسؤولية هذا المشروع هو BETA وسيكون تجريبيًا في المستقبل المنظور. من المحتمل أن تتغير الواجهات والوظائف، وقد يتم إلغاء المشروع نفسه. لا تستخدم هذا البرنامج في أي مشروع/برنامج قيد التشغيل.
يتم استخدام الأمر ai-models لتشغيل نماذج التنبؤ بالطقس القائمة على الذكاء الاصطناعي. يجب تثبيت هذه النماذج بشكل مستقل.
على الرغم من أن ai-models للكود المصدري ومكوناتها الإضافية متاحة بموجب تراخيص مفتوحة المصدر، إلا أن بعض أوزان النماذج قد تكون متاحة بموجب ترخيص مختلف. على سبيل المثال، توفر بعض الموديلات أوزانها بموجب ترخيص CC-BY-NC-SA 4.0، الذي لا يسمح بالاستخدام التجاري. لمزيد من المعلومات، يرجى التحقق من الترخيص المرتبط بكل نموذج على صفحته الرئيسية الرئيسية، والتي نربطها من كل من المكونات الإضافية المقابلة.
قبل استخدام الأمر ai-models ، تأكد من توفر المتطلبات الأساسية التالية:
لتثبيت الأمر ai-models ، قم بتشغيل الأمر التالي:
pip install ai-modelsحاليا، يمكن تركيب أربعة نماذج:
pip install ai-models-panguweather
pip install ai-models-fourcastnet
pip install ai-models-graphcast # Install details at https://github.com/ecmwf-lab/ai-models-graphcast
pip install ai-models-fourcastnetv2راجع ai-models-panguweather، وai-models-fourcastnet، وai-models-fourcastnetv2، وai-models-graphcast لمزيد من التفاصيل حول هذه النماذج.
لتشغيل النموذج، تأكد من تثبيته، ثم قم ببساطة بتشغيل:
ai-models < model-name > استبدل <model-name> باسم نموذج الذكاء الاصطناعي المحدد الذي تريد تشغيله.
افتراضيًا، سيتم تشغيل النموذج لمدة 10 أيام (240 ساعة)، باستخدام تحليل 12Z أمس من أرشيف MARS الخاص بـ ECMWF.
لإنتاج توقعات لمدة 15 يومًا، استخدم خيار --lead-time HOURS :
ai-models --lead-time 360 < model-name >يمكنك تغيير الإعدادات الافتراضية الأخرى باستخدام خيارات سطر الأوامر المتاحة، كما هو موضح أدناه.
يمكن تشغيل نماذج الذكاء الاصطناعي على وحدة المعالجة المركزية (CPU)؛ ومع ذلك، فإنها تؤدي أداءً أفضل بكثير على وحدة معالجة الرسومات. يمكن أن يستغرق التنبؤ لمدة 10 أيام عدة ساعات على وحدة المعالجة المركزية، ولكن حوالي دقيقة واحدة فقط على وحدة معالجة الرسومات الحديثة.
إذا رأيت الرسالة التالية عند تشغيل نموذج، فهذا يعني أن وقت تشغيل ONNX لم يتمكن من العثور على مكتبات CUDA على نظامك:
[W:onnxruntime:Default, onnxruntime_pybind_state.cc:541 CreateExecutionProviderInstance] فشل في إنشاء CUDAExecutionProvider. يرجى الرجوع إلى https://onnxruntime.ai/docs/reference/execution-providers/CUDA-ExecutionProvider.html#requirements لضمان استيفاء جميع التبعيات.
لإصلاح هذه المشكلة، نقترح عليك تثبيت ai-models في بيئة conda وتثبيت مكتبات CUDA في تلك البيئة. على سبيل المثال:
conda create -n ai-models python=3.10
conda activate ai-models
conda install cudatoolkit
pip install ai-models
...تعتمد نماذج الذكاء الاصطناعي على الأوزان والأصول الأخرى التي تم إنشاؤها أثناء التدريب. في المرة الأولى التي تقوم فيها بتشغيل النموذج، ستحتاج إلى تنزيل الأوزان المدربة وأي أصول إضافية مطلوبة.
لتنزيل الأصول قبل تشغيل النموذج، استخدم الأمر التالي:
ai-models --download-assets < model-name >سيتم تنزيل الأصول إذا لزم الأمر وتخزينها في الدليل الحالي. يمكنك توفير دليل مختلف لتخزين الأصول:
ai-models --download-assets --assets < some-directory > < model-name >ثم، في وقت لاحق، ببساطة استخدم:
ai-models --assets < some-directory > < model-name >أو
export AI_MODELS_ASSETS= < some-directory >
ai-models < model-name > لتنظيم دليل الأصول بشكل أفضل، يمكنك استخدام خيار --assets-sub-directory . سيقوم هذا الخيار بتخزين أصول كل نموذج في الدليل الفرعي الخاص به داخل دليل الأصول المحدد.
تتطلب النماذج بيانات الإدخال (الشروط الأولية) للتشغيل. يمكنك توفير البيانات المدخلة باستخدام مصادر مختلفة، كما هو موضح أدناه:
افتراضيًا، تستخدم ai-models تحليل 12Z الذي تم الحصول عليه بالأمس من ECMWF، والذي تم جلبه من أرشيف MARS الخاص بالمركز باستخدام ECMWF WebAPI. ستحتاج إلى حساب ECMWF للوصول إلى هذه الخدمة.
لتغيير التاريخ أو الوقت، استخدم خيارات --date و --time ، على التوالي:
ai-models --date YYYYMMDD --time HHMM < model-name >يمكنك بدء النماذج باستخدام بيانات ERA5 (الإصدار 5 من إعادة تحليل ECMWF) لمخزن بيانات المناخ كوبرنيكوس (CDS). سوف تحتاج إلى إنشاء حساب على CDS. سيتم تنزيل البيانات باستخدام CDS API.
للوصول إلى الأقراص المضغوطة، ما عليك سوى إضافة --input cds في سطر الأوامر. يرجى ملاحظة أن بيانات ERA5 تتم إضافتها إلى أقراص CDS مع تأخير، لذلك سيتعين عليك أيضًا تقديم تاريخ بـ --date YYYYMMDD .
ai-models --input cds --date 20230110 --time 0000 < model-name > إذا كان لديك بيانات إدخال بتنسيق GRIB، فيمكنك توفير الملف باستخدام خيار --file :
ai-models --file < some-grib-file > < model-name > يمكن أن يحتوي ملف GRIB على حقول أكثر من تلك التي يتطلبها النموذج. سيقوم الأمر ai-models تلقائيًا بتحديد الحقول الضرورية من الملف.
لمعرفة قائمة الحقول التي يحتاجها نموذج معين كشروط أولية، استخدم الأمر التالي:
ai-models --fields < model-name > افتراضيًا، ستتم كتابة مخرجات النموذج بتنسيق GRIB في ملف يسمى <model-name>.grib . يمكنك تغيير اسم الملف باستخدام الخيار --path <file-name> . إذا كان المسار الذي تحدده يحتوي على عناصر نائبة بين { و } ، فسيتم إنشاء ملفات متعددة بناءً على مفاتيح التشفير. على سبيل المثال:
ai-models --path ' out-{step}.grib ' < model-name >سيقوم هذا الأمر بإنشاء ملف لكل خطوة زمنية متوقعة.
إذا كنت تريد تعطيل كتابة الإخراج إلى ملف، استخدم خيار --output none .
لديها الخيارات التالية:
--help : يعرض رسالة المساعدة هذه.--models : يسرد كافة النماذج المثبتة.--debug : تشغيل وضع التصحيح. سيؤدي هذا إلى طباعة معلومات إضافية إلى وحدة التحكم. --input INPUT : مصدر الإدخال للنموذج. يمكن أن يكون هذا mars أو cds أو file .
--file FILE : الملف المحدد الذي سيتم استخدامه كمدخل. سيؤدي هذا الخيار إلى تعيين --source إلى file .
--date DATE : تاريخ التحليل للنموذج. هذا الافتراضي ليوم أمس.
--time TIME : وقت التحليل للنموذج. هذا الافتراضي هو 1200.
--output OUTPUT : وجهة الإخراج للنموذج. القيم file أو none .--path PATH : مسار كتابة مخرجات النموذج.--lead-time HOURS : عدد الساعات المتوقعة. الافتراضي هو 240 (10 أيام).--assets ASSETS : يحدد المسار إلى الدليل الذي يحتوي على أصول النموذج. الافتراضي هو الدليل الحالي، ولكن يمكنك تجاوزه عن طريق تعيين متغير البيئة $AI_MODELS_ASSETS .--assets-sub-directory : يتيح تنظيم الأصول في الدلائل الفرعية <assets-directory>/<model-name> .--download-assets : يقوم بتنزيل الأصول في حالة عدم وجودها.--fields : اطبع قائمة الحقول التي يحتاجها النموذج كشروط أولية.--expver EXPVER : الإصدار التجريبي لمخرجات النموذج.--class CLASS : البيانات الوصفية "للفئة" لمخرجات النموذج.--metadata KEY=VALUE : بيانات تعريف البيانات التعريفية الإضافية في مخرجات النموذج Copyright 2022, European Centre for Medium Range Weather Forecasts.
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
In applying this licence, ECMWF does not waive the privileges and immunities
granted to it by virtue of its status as an intergovernmental organisation
nor does it submit to any jurisdiction.
