ai models
0.7.3
DISCLAIMER Proyek ini adalah BETA dan akan bersifat Eksperimental di masa mendatang. Antarmuka dan fungsionalitas kemungkinan besar akan berubah, dan proyek itu sendiri mungkin dibatalkan. JANGAN gunakan perangkat lunak ini dalam proyek/perangkat lunak apa pun yang sedang operasional.
Perintah ai-models digunakan untuk menjalankan model prakiraan cuaca berbasis AI. Model-model ini perlu dipasang secara mandiri.
Meskipun kode sumber ai-models dan pluginnya tersedia di bawah lisensi sumber terbuka, beberapa bobot model mungkin tersedia di bawah lisensi yang berbeda. Misalnya beberapa model menyediakan anak timbangan di bawah lisensi CC-BY-NC-SA 4.0, yang tidak mengizinkan penggunaan komersial. Untuk informasi lebih lanjut, silakan periksa lisensi yang terkait dengan masing-masing model di halaman beranda utama mereka, yang kami tautkan dari masing-masing plugin terkait.
Sebelum menggunakan perintah ai-models , pastikan Anda memiliki prasyarat berikut:
Untuk menginstal perintah ai-models , jalankan perintah berikut:
pip install ai-modelsSaat ini, empat model dapat dipasang:
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-fourcastnetv2Lihat ai-models-panguweather, ai-models-fourcastnet, ai-models-fourcastnetv2, dan ai-models-graphcast untuk detail selengkapnya tentang model ini.
Untuk menjalankan model, pastikan sudah terinstal, lalu jalankan saja:
ai-models < model-name > Ganti <model-name> dengan nama model AI spesifik yang ingin Anda jalankan.
Secara default, model akan dijalankan dalam waktu tunggu 10 hari (240 jam), menggunakan analisis 12Z kemarin dari arsip MARS ECMWF.
Untuk menghasilkan perkiraan 15 hari, gunakan opsi --lead-time HOURS :
ai-models --lead-time 360 < model-name >Anda dapat mengubah default lainnya menggunakan opsi baris perintah yang tersedia, seperti dijelaskan di bawah.
Model AI dapat berjalan pada CPU; namun, kinerjanya jauh lebih baik pada GPU. Perkiraan 10 hari dapat memakan waktu beberapa jam pada CPU, namun hanya sekitar satu menit pada GPU modern.
Jika Anda melihat pesan berikut saat menjalankan suatu model, itu berarti runtime ONNX tidak dapat menemukan perpustakaan CUDA di sistem Anda:
[W:onnxruntime:Default, onnxruntime_pybind_state.cc:541 CreateExecutionProviderInstance] Gagal membuat CUDAExecutionProvider. Silakan rujuk https://onnxruntime.ai/docs/reference/execution-providers/CUDA-ExecutionProvider.html#requirements untuk memastikan semua dependensi terpenuhi.
Untuk memperbaiki masalah ini, kami menyarankan Anda menginstal ai-models di lingkungan conda dan menginstal perpustakaan CUDA di lingkungan tersebut. Misalnya:
conda create -n ai-models python=3.10
conda activate ai-models
conda install cudatoolkit
pip install ai-models
...Model AI mengandalkan bobot dan aset lain yang dibuat selama pelatihan. Saat pertama kali menjalankan model, Anda perlu mendownload bobot terlatih dan aset tambahan apa pun yang diperlukan.
Untuk mengunduh aset sebelum menjalankan model, gunakan perintah berikut:
ai-models --download-assets < model-name >Aset akan diunduh jika diperlukan dan disimpan di direktori saat ini. Anda dapat menyediakan direktori berbeda untuk menyimpan aset:
ai-models --download-assets --assets < some-directory > < model-name >Kemudian, nanti, cukup gunakan:
ai-models --assets < some-directory > < model-name >atau
export AI_MODELS_ASSETS= < some-directory >
ai-models < model-name > Untuk pengorganisasian direktori aset yang lebih baik, Anda dapat menggunakan opsi --assets-sub-directory . Opsi ini akan menyimpan aset setiap model dalam subdirektorinya sendiri dalam direktori aset yang ditentukan.
Model memerlukan data masukan (kondisi awal) untuk dijalankan. Anda dapat memberikan data masukan menggunakan sumber berbeda, seperti dijelaskan di bawah:
Secara default, ai-models menggunakan analisis 12Z kemarin dari ECMWF, yang diambil dari arsip MARS Pusat menggunakan ECMWF WebAPI. Anda memerlukan akun ECMWF untuk mengakses layanan tersebut.
Untuk mengubah tanggal atau waktu, gunakan opsi --date dan --time :
ai-models --date YYYYMMDD --time HHMM < model-name >Anda dapat memulai model menggunakan data ERA5 (ECMWF Reanalisis versi 5) untuk Copernicus Climate Data Store (CDS). Anda perlu membuat akun di CDS. Data akan diunduh menggunakan CDS API.
Untuk mengakses CDS, cukup tambahkan --input cds pada baris perintah. Harap dicatat bahwa data ERA5 ditambahkan ke CDS dengan penundaan, jadi Anda juga harus memberikan tanggal dengan --date YYYYMMDD .
ai-models --input cds --date 20230110 --time 0000 < model-name > Jika Anda memiliki data masukan dalam format GRIB, Anda dapat menyediakan file tersebut menggunakan opsi --file :
ai-models --file < some-grib-file > < model-name > File GRIB dapat berisi lebih banyak kolom daripada yang dibutuhkan oleh model. Perintah ai-models akan secara otomatis memilih bidang yang diperlukan dari file.
Untuk mengetahui daftar field yang dibutuhkan oleh model tertentu sebagai kondisi awal, gunakan perintah berikut:
ai-models --fields < model-name > Secara default, keluaran model akan ditulis dalam format GRIB dalam file bernama <model-name>.grib . Anda dapat mengubah nama file dengan opsi --path <file-name> . Jika jalur yang Anda tentukan berisi placeholder antara { dan } , beberapa file akan dibuat berdasarkan kunci eccodes. Misalnya:
ai-models --path ' out-{step}.grib ' < model-name >Perintah ini akan membuat file untuk setiap langkah waktu yang diperkirakan.
Jika Anda ingin menonaktifkan penulisan output ke file, gunakan opsi --output none .
Ini memiliki opsi berikut:
--help : Menampilkan pesan bantuan ini.--models : Mencantumkan semua model yang diinstal.--debug : Mengaktifkan mode debug. Ini akan mencetak informasi tambahan ke konsol. --input INPUT : Sumber input untuk model. Ini bisa berupa mars , cds atau file .
--file FILE : File spesifik yang akan digunakan sebagai input. Opsi ini akan menyetel --source menjadi file .
--date DATE : Tanggal analisis untuk model. Ini defaultnya adalah kemarin.
--time TIME : Waktu analisis untuk model. Ini defaultnya adalah 1200.
--output OUTPUT : Tujuan output untuk model. Nilainya adalah file atau none .--path PATH : Jalur untuk menulis keluaran model.--lead-time HOURS : Jumlah jam yang akan diperkirakan. Standarnya adalah 240 (10 hari).--assets ASSETS : Menentukan jalur ke direktori yang berisi aset model. Defaultnya adalah direktori saat ini, namun Anda dapat menggantinya dengan mengatur variabel lingkungan $AI_MODELS_ASSETS .--assets-sub-directory : Memungkinkan pengorganisasian aset di subdirektori <assets-directory>/<model-name> .--download-assets : Mengunduh aset jika tidak ada.--fields : Mencetak daftar field yang dibutuhkan oleh suatu model sebagai kondisi awal.--expver EXPVER : Versi eksperimen keluaran model.--class CLASS : Metadata 'kelas' dari keluaran model.--metadata KEY=VALUE : Metadata metadata tambahan dalam output model 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.
