FourCastNet
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- NVIDIA,NERSC, Lawrence Berkeley National Laboratory,University of Michigan,Rice University,California Institute of Technology,Purdue University
- Typ organizacji
- Industry,Government,Academia,Academia,Academia,Academia
- Kraj
- United States of America
- Opublikowany
- 22 February 2022
- Autorzy
- Jaideep Pathak, Shashank Subramanian, Peter Harrington, Sanjeev Raja, Ashesh Chattopadhyay, Morteza Mardani, Thorsten Kurth, David Hall, Zongyi Li, Kamyar Azizzadenesheli, Pedram Hassanzadeh, Karthik Kashinath, Animashree Anandkumar
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Earth science
- Zadanie
- Weather forecasting
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
- Epoki
- 130
" The model is pre-trained using a cosine learning-rate schedule with a starting learning rate `1 for 80 epochs. Following the pre-training, the model is fine-tuned for a further 50 epochs" "The training dataset consists of 54020 samples while the validation dataset contains 2920 samples" Global batch size 64 Patch size p × p 8 × 8
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 3.5 × 10²⁰ FLOP
- Jak to zostało ustalone
- Hardware
312000000000000 FLOP / GPU / sec [A100] * 64 GPUs * 16 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.4504704e+20 FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA A100
- Zastosowane chipy
- 64
- Czas rzeczywisty
- 16 hours
- Pobór mocy
- 51.5 kW
"The end to end training takes about 16 hours wall-clock time on a cluster of 64 Nvidia A100 GPUs."
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
"FourCastNet matches the forecasting accuracy of the ECMWF Integrated Forecasting System (IFS), a state-of-the-art Numerical Weather Prediction (NWP) model, at short lead times for large-scale variables, while outperforming IFS for small-scale variables, including precipitation. " "the FourCastNet model has many characteristics that make it superior to the prior SOTA DLWP model"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
FourCastNet został opublikowany przez NVIDIA,NERSC, Lawrence Berkeley National Laboratory,University of Michigan,Rice University,California Institute of Technology,Purdue University, w kraju zapisanym jako United States of America, podczas February 2022. Wychodzi z organizacji zaklasyfikowanej jako industry,Government,Academia,Academia,Academia,Academia.
Działa w dziedzinie Earth science, i jest zapisany jako wykonujący zadanie weather forecasting.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Trenowanie zajęło budżet obliczeniowy wynoszący około 3.5 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.
Odpowiedzi
FourCastNet — częste pytania
FourCastNet— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
FourCastNet— kto to stworzył?
Zostało opublikowane przez NVIDIA,NERSC, Lawrence Berkeley National Laboratory,University of Michigan,Rice University,California Institute of Technology,Purdue University, oparty na United States of America, organizacja sklasyfikowana jako industry,Government,Academia,Academia,Academia,Academia.
FourCastNet— kiedy to zostało wydane?
Zostało opublikowane w February 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
FourCastNet— do czego to służy?
Działa w dziedzinie Earth science, i jest zarejestrowany jako realizujący zadanie weather forecasting. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
FourCastNet— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 3.5 × 10²⁰ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
FourCastNet— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
FourCastNet— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.