DatawhaleAI夏令营-Datawhale-AI极端降水预报

第三次

Part1 精读赛题——确定隐含条件和提交数据格式

首先，文档介绍了数据的来源和数据的类型、值域、物理含义、单位等。
这是数据情况：

• 输入数据维度是(1, 24, 72, W, H), 数据的维度是（批量大小，时间步骤，数据的多个特征，纬度，经度 ）
• 输出数据维度是(1, 72, W, H) ，数据的维度是（批量大小，时间步骤，纬度，经度）
• 数据的格式都是.nc格式 ，需要适用xarray包来读取，而且原版的baseline中的数据存在问题，需要进行数据清洗。
• 在输出上的建议：输出必须大于零；预测值不能大于50；在10到50之间的准确预测对评分影响更大；数据集要做清洗。

Part2 速通新baseline——与原始baseline对比发现实验提升细节

首先是着重强调了数据问题，需要进行数据清晰的必要性。
新的baseline有验证集的dataloader，
新增的baseline有初始化的模型，可以在这个基础上训练出更好的。
超参数的调整

Part3 发散思路——简单谈谈上分的技巧

这个部分一共强调了数据、模型 、损失函数、训练方式 、超参数 的调整五个方面的技巧。
本次baseline中仅给出了卷积模型的示例, 但是针对赛题这种与时间序列强相关的问题