makani

让 AI 气象模型在数百 GPU 上并行训练，实验迭代从月缩到天。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 402

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队NVIDIA

所属国家

官网地址

GitHubhttps://github.com/NVIDIA/makani

定价模式free

价格说明开源免费，需自行部署

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★ 402

30天Star增速

HF 下载量

上线时间2023-09-26 00:00:00

代码更新—

仓库体积—

本站数据更新—

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2026-10-17

浏览次数0

项目介绍

Makani 是 NVIDIA 开源的天气与气候模型大规模并行训练框架，基于 Python 开发。它把原本只能在超算上小规模运行的 AI 气象模型（如 FourCastNet 系列）转化为可高效利用多 GPU、多节点集群的训练流程，解决气象 AI 研究中数据吞吐大、模型并行难、训练周期长的问题。核心能力包括：面向地球科学数据的分布式数据加载与预处理、支持混合精度与张量并行的训练循环、与 CUDA 生态深度集成的算子优化，以及可复现的模型配置与检查点管理。项目提供从数据准备到训练启动的完整脚本，让研究者不必从零搭建并行基础设施，就能在数百块 GPU 上训练高分辨率天气预报和气候模拟模型，显著缩短实验迭代时间。