این برنامه لینوکس با نام‌های Google DeepMind GraphCast و GenCast است که آخرین نسخه آن را می‌توانید با عنوان Version0.1.1sourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام‌های Google DeepMind GraphCast و GenCast with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
گوگل دیپ‌مایند، گراف‌کست و جن‌کست
DESCRIPTION:
GraphCast که توسط Google DeepMind توسعه داده شده است، یک چارچوب پیش‌بینی آب و هوا در سطح تحقیقاتی است که از شبکه‌های عصبی گراف (GNN) برای تولید پیش‌بینی‌های آب و هوای جهانی با برد متوسط استفاده می‌کند. این مخزن، کد نمونه کاملی را برای اجرا و آموزش GraphCast و GenCast، دو مدل معرفی شده در مقالات تحقیقاتی DeepMind، ارائه می‌دهد. GraphCast برای انجام شبیه‌سازی‌های جوی با وضوح بالا با استفاده از مجموعه داده ERA5 از ECMWF طراحی شده است، در حالی که GenCast این رویکرد را با پیش‌بینی گروهی مبتنی بر انتشار برای پیش‌بینی احتمالی آب و هوا گسترش می‌دهد. هر دو مدل بر روی JAX ساخته شده‌اند و معماری‌های عصبی پیشرفته‌ای را که قادر به یادگیری از داده‌های ژئوفیزیکی چند مقیاسی نمایش داده شده بر روی مش‌های بیست‌وجهی هستند، ادغام می‌کنند. این بسته شامل وزن‌های مدل از پیش آموزش دیده، آمار نرمال‌سازی و دفترچه‌های نمایشی است که به کاربران امکان می‌دهد آزمایش‌های پیش‌بینی آب و هوا را در Colab یا روی TPUها و GPUهای Google Cloud تکرار و تنظیم کنند.
امکانات
- معماری‌های GraphCast و GenCast را برای پیش‌بینی آب و هوای مبتنی بر داده پیاده‌سازی می‌کند.
- وزن‌های مدل از پیش آموزش‌دیده و داده‌های نرمال‌سازی از طریق Google Cloud Bucket در دسترس هستند.
- چارچوب شبیه‌سازی مشتق‌پذیر مبتنی بر JAX با استفاده از شبکه‌های عصبی گراف
- دفترچه‌های نمایشی آماده برای Colab برای آزمایش و یادگیری سریع
- سازگار با مجموعه داده‌های ERA5 و HRES برای تنظیم دقیق داده‌های تاریخی و عملیاتی
- پشتیبانی از اجرا روی TPUها و GPUها برای آموزش و استنتاج مدل مقیاس‌پذیر
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/g-deepmind-graph-gen.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.