aurora

环境要求

• Python 环境（版本要求见官方文档 https://microsoft.github.io/aurora）
• pip 包管理器，或 conda/mamba 环境
• 已安装 PyTorch（示例代码中 import torch）
• 首次运行模型需联网下载约 500 MB 权重
• 本地开发需使用 make 命令（make install / test / docs）

安装与启动步骤

1. 1用 pip 安装

   官方推荐的安装方式，一条命令把 microsoft-aurora 包装进当前 Python 环境。建议先建好虚拟环境再执行。

   pip install microsoft-aurora

   复制

2. 2或用 conda 安装

   如果使用 conda/mamba 管理环境，可从 conda-forge 渠道安装，与上一步二选一即可。

   mamba install microsoft-aurora -c conda-forge

   复制

3. 3运行预训练小模型

   用随机数据跑通 AuroraSmallPretrained，先 load_checkpoint() 再构造 Batch 并 forward。首次运行会下载约 500 MB 权重。

   from datetime import datetime
   
   import torch
   
   from aurora import AuroraSmallPretrained, Batch, Metadata
   
   model = AuroraSmallPretrained()
   model.load_checkpoint()
   
   batch = Batch(
       surf_vars={k: torch.randn(1, 2, 17, 32) for k in ("2t", "10u", "10v", "msl")},
       static_vars={k: torch.randn(17, 32) for k in ("lsm", "z", "slt")},
       atmos_vars={k: torch.randn(1, 2, 4, 17, 32) for k in ("z", "u", "v", "t", "q")},
       metadata=Metadata(
           lat=torch.linspace(90, -90, 17),
           lon=torch.linspace(0, 360, 32 + 1)[:-1],
           time=(datetime(2020, 6, 1, 12, 0),),
           atmos_levels=(100, 250, 500, 850),
       ),
   )
   
   prediction = model.forward(batch)
   
   print(prediction.surf_vars["2t"])

   复制

4. 4本地开发环境

   如需改源码，先克隆仓库后把项目以可编辑模式安装，并配置 pre-commit 钩子。

   make install

   复制

5. 5运行测试

   执行测试套件并打印覆盖率结果，输出可通过浏览器查看的覆盖率报告。

   make test

   复制

6. 6构建本地文档

   在本地生成项目文档，构建完成后用浏览器打开产物查看。

   make docs

   复制

如何确认成功

运行示例后终端打印出 prediction.surf_vars["2t"] 的张量数值，即表示模型加载与推理成功。

常见问题

注意事项

• README 未给出 Python 版本、端口、路径等要求，具体以官方文档为准。
• 首次下载模型权重约 500 MB，请预留磁盘空间并保证网络畅通。
• 示例使用随机生成的数据，仅用于验证环境是否跑通，不代表真实预报效果。
• 项目处于早期阶段，文档和 API 可能不够完善，官方推荐直接阅读在线文档。