К содержимому
Изображения

tunisia-temperature-downscaler

вероятностная детализация прогноза температуры с 28 км до 5,5 км

2 мин чтенияобновлено

Модель повышает пространственное разрешение грубых прогнозов температуры воздуха на высоте 2 метров с сетки 0.25° (~28 км) до сетки 5.5 км (Copernicus CERRA) для территории Туниса. В основе лежит лёгкая архитектура Multi-scale Probabilistic U-Net (~2,15M параметров), обученная на исторических данных реанализа ERA5 и CERRA за 2014–2019 годы. В отличие от детерминированных моделей на базе MSE, которые сглаживают мелкие детали, эта модель использует вероятностную функцию потерь CRPS (оценивает точность распределения вероятностей прогноза) и генерирует ансамбль сценариев с сохранением рельефных и прибрежных контрастов. Пригодится метеорологам, исследователям климата и разработчикам локальных погодных сервисов для уточнения глобальных прогнозов без дообучения под конкретную модель.

Ключевые особенности

  • Zero-shot перенос на любые прогнозы: обучалась только на реанализе, но напрямую применяется к глобальным моделям вроде ECMWF IFS-ENS или AIFS-ENS.
  • Рост детализации в 16,5 раза: эффективная длина волны сокращается с 227,5 км до 13,8 км, сохраняя мелкомасштабные температурные градиенты.
  • Высокая точность в горах: на валидации 2020 года снижает RMSE на 32,6% по всей суше и на 46,1% в горах Дорсаль (1000–1500 м).
  • Автономный чекпоинт: файл model.pt уже содержит сетку 127 × 77, карту высот, расстояние до берега и статистики нормализации.

Что можно сделать

  • Уточнить 10-дневные ансамблевые прогнозы: прогнать члены ансамбля ECMWF IFS-ENS 0.25° и получить детализированный вероятностный прогноз для горных и прибрежных районов Туниса.
  • Повысить точность детекции экстремальной жары: использовать ансамблевый выход для отслеживания температур выше 35 °C (в тестах по метеостанциям доля попаданий выросла с 68,2% до 75,0%).
  • Адаптировать пайплайн под другой регион: взять архитектуру и подход с добавлением статических данных рельефа за основу для обучения локального даунскейлера на другую территорию.

Пример

from huggingface_hub import hf_hub_download
from downscale.downscaler import Downscaler

ckpt = hf_hub_download(repo_id="InfectV22/tunisia-temperature-downscaler", filename="model.pt")
model = Downscaler.load(ckpt)
# coarse_kelvin: (time, y, x) на сетке 127x77 -> (time, members, y, x) в Кельвинах
fine_ensemble = model.predict(coarse_kelvin, valid_times, members=4)
ПодробнееВалидация (2020, vs CERRA 5,5 км): RMSE снижен с 1,383 K до 0,932 K (-32,6%), CRPS — с 1,046 K до 0,475 K (-54,6%).
Проверка по 17 метеостанциям WMO/INM (прогноз IFS-ENS на 10 дней): общий CRPS улучшен на 12,4% (до -38% на +24 ч), на высотах 500–1000 м — на 31,1%.
Входы: 11 физических и пространственно-временных каналов (температура, высота рельефа, маска суши, береговая линия, координаты, время) + 2 канала многомасштабного шума.
Ограничения: на вход подаётся только температура t2m (без ветра, влажности и облачности); работает строго в пределах координат Туниса (32.0°N–38.0°N, 7.5°E–11.8°E).
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы1.5 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.

    # InfectV22/tunisia-temperature-downscaler
    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 InfectV22/tunisia-temperature-downscaler --local-dir ~/models/tunisia-temperature-downscaler
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tunisia-temperature-downscaler
  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 tunisia-temperature-downscaler — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

InfectV22/tunisia-temperature-downscaler
Автор
InfectV22
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Jnkku Style

Jnkku Style18+