К содержимому
Изображения

Sreda ML

быстрый прогноз скорости ветра в городской застройке

2 мин чтенияобновлено

Нейросеть от автора Azatyt предсказывает среднюю скорость ветра на высоте пешехода (1,75 м от земли) по контурам и высоте зданий. Это суррогатная модель (быстрый нейросетевой аппроксиматор сложных физических симуляций), обученная на результатах солвера Sreda. Вместо десятков минут или нескольких часов расчёта на десктопной видеокарте она выдаёт результат за 1–2 секунды на обычном ноутбучном CPU. Инструмент пригодится архитекторам и урбанистам на ранних стадиях проектирования, чтобы быстро сравнивать варианты застройки и выявлять продуваемые зоны.

Ключевые особенности

  • Высокая скорость: расчёт участка 150 × 150 м занимает около 1,5 секунды на CPU ноутбука через ONNX Runtime.
  • Лёгкая архитектура: ансамбль из трёх U-Net общим объёмом 18,1M параметров (файл model.onnx весит 72,8 МБ).
  • Реальные и синтетические города: модель обучена на 826 сценах, включая застройку городов России, Беларуси, Японии и Европы.
  • Детальная сетка: на выходе получается карта коэффициента скорости ветра K с шагом 0,75 м.

Что можно сделать

  • Быстро сравнить несколько вариантов расположения и этажности зданий на этапе эскизного проекта до запуска тяжёлых симуляций.
  • Встроить расчёт ветрового режима для целых районов в веб-приложение или локальный пайплайн на базе OpenStreetMap и ONNX.

Пример

pip install numpy onnxruntime
python sreda_ml_example.py model.onnx 270 5
Подробнее Статус preview: версия 0.6.1 не прошла собственный приёмочный тест (средняя корреляция r = 0.831 на тестовых городах РФ, Беларуси и Казахстана при пороге 0.87; на данных аэродинамической трубы AIJ Case C достигает r = 0.954).
Ограничения: учитывает только стоящие на земле здания высотой до 133 м на плоском рельефе, без деревьев, водоёмов, порывов ветра и мостов.
Не предназначена для финального согласования проектов и сертификации ветрового комфорта — лицензия Apache 2.0.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы1.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 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.

    # Azatyt/sreda-ml
    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 Azatyt/sreda-ml --local-dir ~/models/sreda-ml
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к sreda-ml
  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.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • 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 (3)
    • 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.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • 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 sreda-ml — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Azatyt/sreda-ml
Автор
Azatyt
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии