【免费下载链接】atlas-era5项目地址https://ai.gitcode.com/hf_mirrors/nvidia/atlas-era5点击查看免费下载本教程带你快速上手 NVIDIA Atlas——NVIDIA 开源的全球天气生成式 AI 模型。它基于 Earth2Studio 框架可在 0.25° 分辨率的全球网格上对 75 个 ERA5 气象变量做自回归 AI 天气预报。跟着下面的步骤10 分钟内即可完成模型下载、加载与首次推理。一、NVIDIA Atlas 是什么Atlas 是一款中短期天气生成式 AI 模型核心特点如下全球 0.25° 经纬度网格721×1440 等角格点覆盖全球75 个 ERA5 状态变量包括 10m 风、2m 气温、海平面气压、各气压层的风速/位势高度/温度/比湿、海表温度、总降水等潜空间扩散 TransformerDiT架构总参数约 2.5B其中解码器 DiT采用 2D 邻域注意力约 1.8B 参数自回归推理每次输入当前 6 小时前两个时间步输出未来 6 小时预报循环滚动即可延伸预报时效集成预报能力同一输入可多次采样生成多个集合成员快速产出有技术含量的中期集合预报详细说明见官方模型卡README.md二、仓库结构一览本仓库提供完整推理所需的全部权重与配置结构非常清晰路径作用autoencoders/autoencoder_0/model_best.mdlus变分自编码器VAE权重负责物理空间 ↔ 潜空间编解码autoencoders/autoencoder_0/data_processor_best.mdlus自编码器配套的数据处理器si/genmodel/model_best.mdlusSIStochastic Interpolant变体生成模型权重crps/genmodel/model_best.mdlusCRPS 变体生成模型权重si/config.jsonSI 变体推理配置采样算法、步数等crps/config.jsonCRPS 变体推理配置config.json仓库级元信息模型名称atlas-era5两个变体共用同一套自编码器NattenCombineDiT架构区别只在生成模型本身。三、SI 与 CRPS该选哪个Atlas 提供两种训练目标不同的模型变体详见 README.md 与各自的配置文件对比项SIsi/CRPScrps/模型类型SInterpolantLatentDiTCRPSLatentDiT推理机制需运行随机插值采样轨迹直接采样无需采样轨迹速度较慢配置默认 60 步 ODE 求解快很多适用场景需要精细概率结构的集合预报追求吞吐、快速批量推理新手建议先跑 CRPS 变体验证环境再按需切换到 SI 变体。四、环境准备第 0-2 分钟Atlas 面向 NVIDIA GPU 优化硬件要求不低GPU支持 NVIDIA Ampere / Hopper / Blackwell 架构官方在 A100、H100、L40S 上验证过系统Linux软件栈PyTorch CUDA 库 NVIDIA Earth2StudioE2S推理框架准备好 Earth2Studio 环境后即可开始获取模型。五、三步跑通推理第 2-10 分钟第 1 步获取模型权重模型权重通过 Git LFS 管理见 .gitattributes所有.mdlus文件均走 LFS 存储。克隆前先启用 LFSgit lfs install git clone https://gitcode.com/hf_mirrors/nvidia/atlas-era5⚠️ 若未启用 LFS 直接 clone拿到的.mdlus文件只是指针文本无法用于推理。第 2 步在 Earth2Studio 中加载模型推理统一通过 NVIDIA Earth2Studio 进行。以 CRPS 变体为例加载入口由 crps/config.json 中的package字段驱动它会定位到生成模型crps/genmodel/model_best.mdlus数据处理器crps/genmodel/data_processor_best.mdlus自动编码器autoencoders/autoencoder_0/model_best.mdlus在 E2S 中按官方示例用Model接口指向crps/或si/目录加载即可具体 API 写法以 Earth2Studio 项目内的 Atlas 示例为准。第 3 步生成预报输入需组织为 5D Tensor(batch, lead time, variable, latitude, longitude)其中 lead time 固定为 2当前时刻 6 小时前并附带 1D 的 DateTime 数组。推理逻辑很简单每次预测未来 6 小时再把输出拼回输入继续滚动。以 48 小时预报为例循环 8 次即可若做集合预报对同一初始场重复采样多次每个成员都经过多次随机采样生成SI 变体配置中sample_steps: 100表示每个成员的采样步数。六、关键配置参数速查两个变体的推理差异都写在各自的config.json中参数SIsi/config.jsonCRPScrps/config.json说明eval_typesinterpolantcrps推理算法类型steps60—SI 采样轨迹的 ODE 求解步数time_step11时间步长n_past_samples22需要的历史时间步数ampfalsetrue是否启用混合精度enable_flashtruetrue是否启用 Flash Attention此外si/config.json 的sinterpolant段还定义了插值路径alpha/beta/sigma均为线性、噪声采样器spherical_white与求解器rk_roberts一般保持默认即可。七、常见问题与注意事项许可证模型遵循 NVIDIA Open Model License可商用也可非商用见 README.md。数据背景模型用 1980–2019 年 ERA5 数据训练约 16 TB 子集2020 年数据做评估属重分析场上的预报模型实际业务使用前建议自行验证。显存不足优先使用 CRPS 变体并开启amp: true0.25° 全球网格计算量较大CPU 运行不现实。变量命名75 个变量如u500、t2m、tp的完整命名规则请参考 Earth2Studio 的词表lexicon。总结NVIDIA Atlas 用潜空间扩散 Transformer 变分自编码器的组合把全球 0.25° 天气预报变成了可快速采样的生成任务。整个仓库结构简洁一个 VAE SI/CRPS 两个生成变体配合 Earth2Studio 即可完成推理。新手只需记住三步——clone 权重记得 LFS→ E2S 加载 → 6 小时步长滚动预报即可 10 分钟跑通你的第一个全球 AI 天气预报。赞分享【免费下载链接】atlas-era5项目地址https://ai.gitcode.com/hf_mirrors/nvidia/atlas-era5点击查看免费下载相关推荐Rspamd部署实践Docker容器化与高可用架构设计Rspamd部署实践Docker容器化与高可用架构设计 Rspamd作为一款快速垃圾邮件过滤系统其高效的性能和灵活的配置使其成为邮件服务器的理想选择。本文将后端网络安全6行代码跑出第一个AI天气预报Earth2Studio确定性工作流快速上手6行代码跑出第一个AI天气预报Earth2Studio确定性工作流快速上手 Earth2Studio 是 NVIDIA 推出的开源 AI 天气预报与气候深度学人工智能大模型模型推理服务科学计算深度学习10分钟跑通AI气象预报模型DLESyM-V1-ERA5从HF下载到首次集合预报的快速上手教程10分钟跑通AI气象预报模型DLESyM V1 ERA5从HF下载到首次集合预报的快速上手教程 DLESyM V1 ERA5 是 NVIDIA 开源的 AI上一篇OpenRocket火箭仿真完整指南从设计到飞行的终极教程下一篇HandheldCompanion解锁Windows掌机游戏体验的终极钥匙创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】atlas-era5项目地址https://ai.gitcode.com/hf_mirrors/nvidia/atlas-era5点击查看免费下载本教程带你快速上手 NVIDIA Atlas——NVIDIA 开源的全球天气生成式 AI 模型。它基于 Earth2Studio 框架可在 0.25° 分辨率的全球网格上对 75 个 ERA5 气象变量做自回归 AI 天气预报。跟着下面的步骤10 分钟内即可完成模型下载、加载与首次推理。一、NVIDIA Atlas 是什么Atlas 是一款中短期天气生成式 AI 模型核心特点如下全球 0.25° 经纬度网格721×1440 等角格点覆盖全球75 个 ERA5 状态变量包括 10m 风、2m 气温、海平面气压、各气压层的风速/位势高度/温度/比湿、海表温度、总降水等潜空间扩散 TransformerDiT架构总参数约 2.5B其中解码器 DiT采用 2D 邻域注意力约 1.8B 参数自回归推理每次输入当前 6 小时前两个时间步输出未来 6 小时预报循环滚动即可延伸预报时效集成预报能力同一输入可多次采样生成多个集合成员快速产出有技术含量的中期集合预报详细说明见官方模型卡README.md二、仓库结构一览本仓库提供完整推理所需的全部权重与配置结构非常清晰路径作用autoencoders/autoencoder_0/model_best.mdlus变分自编码器VAE权重负责物理空间 ↔ 潜空间编解码autoencoders/autoencoder_0/data_processor_best.mdlus自编码器配套的数据处理器si/genmodel/model_best.mdlusSIStochastic Interpolant变体生成模型权重crps/genmodel/model_best.mdlusCRPS 变体生成模型权重si/config.jsonSI 变体推理配置采样算法、步数等crps/config.jsonCRPS 变体推理配置config.json仓库级元信息模型名称atlas-era5两个变体共用同一套自编码器NattenCombineDiT架构区别只在生成模型本身。三、SI 与 CRPS该选哪个Atlas 提供两种训练目标不同的模型变体详见 README.md 与各自的配置文件对比项SIsi/CRPScrps/模型类型SInterpolantLatentDiTCRPSLatentDiT推理机制需运行随机插值采样轨迹直接采样无需采样轨迹速度较慢配置默认 60 步 ODE 求解快很多适用场景需要精细概率结构的集合预报追求吞吐、快速批量推理新手建议先跑 CRPS 变体验证环境再按需切换到 SI 变体。四、环境准备第 0-2 分钟Atlas 面向 NVIDIA GPU 优化硬件要求不低GPU支持 NVIDIA Ampere / Hopper / Blackwell 架构官方在 A100、H100、L40S 上验证过系统Linux软件栈PyTorch CUDA 库 NVIDIA Earth2StudioE2S推理框架准备好 Earth2Studio 环境后即可开始获取模型。五、三步跑通推理第 2-10 分钟第 1 步获取模型权重模型权重通过 Git LFS 管理见 .gitattributes所有.mdlus文件均走 LFS 存储。克隆前先启用 LFSgit lfs install git clone https://gitcode.com/hf_mirrors/nvidia/atlas-era5⚠️ 若未启用 LFS 直接 clone拿到的.mdlus文件只是指针文本无法用于推理。第 2 步在 Earth2Studio 中加载模型推理统一通过 NVIDIA Earth2Studio 进行。以 CRPS 变体为例加载入口由 crps/config.json 中的package字段驱动它会定位到生成模型crps/genmodel/model_best.mdlus数据处理器crps/genmodel/data_processor_best.mdlus自动编码器autoencoders/autoencoder_0/model_best.mdlus在 E2S 中按官方示例用Model接口指向crps/或si/目录加载即可具体 API 写法以 Earth2Studio 项目内的 Atlas 示例为准。第 3 步生成预报输入需组织为 5D Tensor(batch, lead time, variable, latitude, longitude)其中 lead time 固定为 2当前时刻 6 小时前并附带 1D 的 DateTime 数组。推理逻辑很简单每次预测未来 6 小时再把输出拼回输入继续滚动。以 48 小时预报为例循环 8 次即可若做集合预报对同一初始场重复采样多次每个成员都经过多次随机采样生成SI 变体配置中sample_steps: 100表示每个成员的采样步数。六、关键配置参数速查两个变体的推理差异都写在各自的config.json中参数SIsi/config.jsonCRPScrps/config.json说明eval_typesinterpolantcrps推理算法类型steps60—SI 采样轨迹的 ODE 求解步数time_step11时间步长n_past_samples22需要的历史时间步数ampfalsetrue是否启用混合精度enable_flashtruetrue是否启用 Flash Attention此外si/config.json 的sinterpolant段还定义了插值路径alpha/beta/sigma均为线性、噪声采样器spherical_white与求解器rk_roberts一般保持默认即可。七、常见问题与注意事项许可证模型遵循 NVIDIA Open Model License可商用也可非商用见 README.md。数据背景模型用 1980–2019 年 ERA5 数据训练约 16 TB 子集2020 年数据做评估属重分析场上的预报模型实际业务使用前建议自行验证。显存不足优先使用 CRPS 变体并开启amp: true0.25° 全球网格计算量较大CPU 运行不现实。变量命名75 个变量如u500、t2m、tp的完整命名规则请参考 Earth2Studio 的词表lexicon。总结NVIDIA Atlas 用潜空间扩散 Transformer 变分自编码器的组合把全球 0.25° 天气预报变成了可快速采样的生成任务。整个仓库结构简洁一个 VAE SI/CRPS 两个生成变体配合 Earth2Studio 即可完成推理。新手只需记住三步——clone 权重记得 LFS→ E2S 加载 → 6 小时步长滚动预报即可 10 分钟跑通你的第一个全球 AI 天气预报。赞分享【免费下载链接】atlas-era5项目地址https://ai.gitcode.com/hf_mirrors/nvidia/atlas-era5点击查看免费下载相关推荐Rspamd部署实践Docker容器化与高可用架构设计Rspamd部署实践Docker容器化与高可用架构设计 Rspamd作为一款快速垃圾邮件过滤系统其高效的性能和灵活的配置使其成为邮件服务器的理想选择。本文将后端网络安全6行代码跑出第一个AI天气预报Earth2Studio确定性工作流快速上手6行代码跑出第一个AI天气预报Earth2Studio确定性工作流快速上手 Earth2Studio 是 NVIDIA 推出的开源 AI 天气预报与气候深度学人工智能大模型模型推理服务科学计算深度学习10分钟跑通AI气象预报模型DLESyM-V1-ERA5从HF下载到首次集合预报的快速上手教程10分钟跑通AI气象预报模型DLESyM V1 ERA5从HF下载到首次集合预报的快速上手教程 DLESyM V1 ERA5 是 NVIDIA 开源的 AI上一篇OpenRocket火箭仿真完整指南从设计到飞行的终极教程下一篇HandheldCompanion解锁Windows掌机游戏体验的终极钥匙创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
