olmoearth_pretrain 是模型训练领域的开源项目，由 allenai 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 516 个项目，GitHub 星标数为 310。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-18。免费使用。
它主要面向的使用场景是：遥感影像自监督预训练，用于土地覆盖分类。同类可对比的替代方案包括 Prithvi、SpectralGPT。
olmoearth_pretrain
用卫星数据预训练地球基础模型，开箱即用
olmoearth_pretrain 是 Allen AI 推出的地球系统基础模型预训练项目，提供从数据准备、模型训练到评估的完整工具链。它面向遥感与地球观测领域，解决多源卫星影像（光学、雷达、气象等）难以统一建模、缺乏通用预训练基座的问题。核心能力包括：整合多模态地球观测数据管线，支持大规模自监督预训练，提供标准化评估基准，并开放模型权重与训练配置。项目用 Python 实现，强调可复现性，让研究者无需从零搭建数据加载和分布式训练框架，即可在地球科学任务（如土地覆盖分类、变化检测、气象预测）上微调基础模型。目前处于早期阶段，星标约 308，适合关注地理空间 AI 与气候建模的团队跟进。
开源
free
模型训练
GitHub 星标
★ 310
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类模型训练
开发团队allenai
所属国家
定价模式free
价格说明开源项目，免费使用
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型
GitHub 星标★ 310
30天Star增速
HF 下载量
上线时间2025-01-13 00:00:00
最近更新2026-09-18 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-14
浏览次数0
使用教程
核心亮点
- 提供端到端管线：数据加载、预训练、评估一体化，减少重复造轮子
- 专注多模态地球观测数据，覆盖光学、雷达、气象等异构源
- 背靠 Allen AI，模型权重与配置开放，可复现性强
不足之处
- 项目早期，文档和示例可能不完善
- 社区规模小，第三方教程和问题解答有限
适用场景
- 遥感影像自监督预训练，用于土地覆盖分类
- 气候与气象领域构建区域基础模型并微调
- 多源卫星数据融合的变化检测研究
替代项目
Prithvi、SpectralGPT
项目介绍
上一篇：verifiers
下一篇：PaddleFormers
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···