可以直接用的搭建训练一个气象深度学习模型全流程代码--part1 以预报预测为例

本期内容分享一套全流程搭建训练气象深度学习模型的代码，并考虑在基础的预报预测领域的应用。

本期内容的目标是：尽量让看过本文的读者，可以直接在本地一键跑通如SmaAtUNet、UNet等卷积网络，ConvLSTM、TrajGRU、PhyDNet、STPhy等递归卷积网络，以及SegFormer等基于Transformer的网络。

---

本期part1以预报预测为例，后续part2将以降尺度为例。

---

总体来说：

1、从https://github.com/Tsingzao/MetNow下载代码至本地；

2、执行run.py或者run_recurrent.py即可开始训练模型。不同模型大致效果如下，

---

细节内容：

1、需要安装必要的库，如pytorch_lightning、pytorch等，我用的pytorch版本是1.13.1+cu117，pytorch_lightning版本是1.8.6。

2、run.py用于训练卷积网络和Transformer网络，run_recurrent.py用于训练递归卷积网络。

3、支持的卷积网络：UNet、SmaAtUNet、SegFormer；支持的递归网络：来自vp_suite库

4、训练好的模型存放在saved_models目录下

---

其他细节：

1、自定义输入输出序列长度

2、自定义数据集