【免费下载链接】atlas-era5
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 Transformer（DiT）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.mdlus | SI（Stochastic Interpolant）变体生成模型权重 |
| crps/genmodel/model_best.mdlus | CRPS 变体生成模型权重 |
| si/config.json | SI 变体推理配置（采样算法、步数等） |
| crps/config.json | CRPS 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 | SI（si/） | CRPS（crps/） |
|---|---|---|
| 模型类型 | SInterpolantLatentDiT | CRPSLatentDiT |
| 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 Earth2Studio（E2S）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 LFS：
git 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 | SI（si/config.json） | CRPS（crps/config.json） | 说明 |
|---|---|---|---|
eval_type | sinterpolant | crps | 推理算法类型 |
steps | 60 | — | SI 采样轨迹的 ODE 求解步数 |
time_step | 1 | 1 | 时间步长 |
n_past_samples | 2 | 2 | 需要的历史时间步数 |
amp | false | true | 是否启用混合精度 |
enable_flash | true | true | 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: true；0.25° 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。🚀
【免费下载链接】atlas-era5
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
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
