DataWhale AI夏令营 AI极端降水预报 - Task 2 笔记

学习笔记：深度学习在气象预测中的应用

1. 伏羲大模型介绍

• 研发背景：由复旦大学研发，上海人工智能实验室支持。
• 特点：全球预报能力长达15天，时间分辨率6小时，空间分辨率0.25°。
• 认可：成果被Nature杂志收录。
• 开源情况：预训练模型和样本数据已开源，但缺少训练源码。

2. 数据集构建与处理

• 数据集类定义：继承自torch.utils.data.Dataset，用于封装数据读取逻辑。
• 特征数据（Feature）：通过isel()和sel()方法从原始数据集中提取所需特征。
• 地面真实数据（GT）：与Feature类似，但包含更全面的时间戳和数据。

3. 模型构建

• 模型类：继承自nn.Module，定义网络结构和前向传播逻辑。
• 卷积层：模型中使用卷积层进行特征提取。
• 维度处理：确保输入输出维度匹配，进行必要的维度变换。