К содержимому
Другое

s2-for-algal-bloom

оценка цветения водоёмов по снимкам Sentinel-2

2 мин чтенияобновлено

Нейросетевая модель от команды AIML-VU оценивает концентрацию хлорофилла-а (в мкг/л) в озёрах и прудах по данным спутниковой съёмки Sentinel-2 MSI. В основе лежит архитектура residual_mha_dnn (нейросеть с остаточными блоками и механизмом multi-head attention шириной 128) на базе фреймворка Keras. Модель принимает значения поверхностного отражения из семи спектральных каналов, автоматически вычисляет ещё семь производных индексов и выдаёт уровень хлорофилла-а для выявления цветения водорослей. Инструмент создавался на базе данных по водоёмам стран Балтии и пригодится экологам, гидрологам и специалистам по дистанционному зондированию Земли.

Ключевые особенности

  • Работает с 7 каналами Sentinel-2 L2A (B2, B3, B4, B5, B6, B7, B8A), нормализованными в диапазон 0–1.
  • Скрипт predict.py автоматически рассчитывает 7 дополнительных спектральных признаков, включая отношения каналов, AVW и индекс diff_alg.
  • Построена на архитектуре с residual-блоками и multi-head attention, отрицательные значения на выходе обрезаются до нуля.
  • В репозиторий включены модульные тесты на pytest и отложенная тестовая выборка из 437 образцов.

Что можно сделать

  • Мониторить эвтрофикацию и отслеживать вспышки цветения водорослей в озёрах и прудах по архивным или свежим снимкам Sentinel-2.
  • Встроить функцию predict() в Python-пайплайн обработки геопространственных таблиц и данных из Google Earth Engine.
  • Запускать пакетный расчёт концентраций через командную строку для CSV-таблиц со спектральными данными.

Пример

import pandas as pd
from predict import predict

df = pd.read_csv("data/test_reg_data.csv")
df["chla_pred"] = predict(df)
ПодробнееМетрика на тесте: Huber loss (δ = 10) составляет 48.48 (±0.5) на 437 образцах из озёр, не участвовавших в обучении.
Требования: формат Keras 2 SavedModel, требуется TensorFlow <= 2.15 и библиотека keras-multi-head.
Ограничения: модель обучена на водоёмах стран Балтии (разбиение 70/30 по озёрам); перенос на другие регионы и типы вод не проверялся, строки с NaN/inf перед запуском нужно удалить.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AIML-VU/s2-for-algal-bloom
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download AIML-VU/s2-for-algal-bloom --local-dir ~/models/s2-for-algal-bloom
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к s2-for-algal-bloom
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии s2-for-algal-bloom — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

AIML-VU/s2-for-algal-bloom
Автор
AIML-VU
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии