Task1：赛事初探——降水预测模型搭建过程概述
输入“/”快速插入内容
☁️Task1：赛事初探——降水预测模型搭建过程概述
Task1：赛事初探——降水预测模型搭建过程概述
2024年7月17日创建
6124
7274
7
0
💡
教程贡献者说：
天气预报、降水预测...... 这些高大上的场景, 你是否曾想过可以通过数据分析和深度学习的手段来实现并能取得十分精准的预测效果？AI时代，只需要数据与模型, 你也可以从小白摇身一变成为气象预测专家! 想知道具体应该怎么通过数据和代码实现精准天气预报吗, 别急, 本次课程将逐步为你揭晓~
在本次课程中, 你将收获对机器学习、深度学习的初步认识，对常用深度学习框架pytorch的认识, 对极端降水预测赛题的初步了解。
那么，让我们马上开始，开启今天学习之旅~
Part1 什么是机器学习, 什么是深度学习？
机器学习是人工智能的一个分支，它使计算机系统利用数据来不断改进性能，而无需进行明确的编程。
通俗来说就是, 机器学习像一个学生, 通过给定的教材, 不断地学习教材内容，最终可以在期末考试或者综合实践中取得优异的成绩。
核心思想：通过算法和统计模型，机器学习允许计算机从经验中学习，识别模式，并做出预测或决策。
•
监督学习：算法从标记的训练数据中学习，这些数据包含了输入和期望的输出。
•
无监督学习：算法处理未标记的数据，试图找出数据中的结构和模式。
同时, 通过任务的输出是否离散, 机器学习的任务又可以划分为分类与回归
深度学习则是机器学习中神经网络算法的进阶版。神经网络算法通过模拟人脑神经元的信息传递，逐层递进, 从而形成一个机器学习模型，而深度学习有着更深的层数, 有对大规模数据(例如上百万级)更好的学习效果，这个特点使得深度学习在数据量暴增的时代脱颖而出。
神经网络示意图如下:
Part2 什么是pytorch？
PyTorch是由Meta AI(Facebook)人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界。通过pytroch, 我们可以自由的搭建神经网络模型, 使之适配我们所需要的任务。
在我们的baseline中，有几个工具类十分重要, 构建他们的过程, 都少不了pytorch的帮助
1.
构建数据集的类Dataset
2.
数据加载类的Dataloader
3.
定义模型的类Model
pytorch是一个非常好用的工具, 以便我们自由的构建我们的模型、数据集，这让我们可以更方便的尝试各种网络模型或者优化方法, 同时又不需要大量的重复编程实现；另外, pytorch对GPU硬件有很好的支持, 通过GPU对我们的模型训练进行加速, 可以节约大量的时间开销。可以说, 作为一款深度学习框架, pytorch目前在学术界和工业界都有着极高的地位.
datawhale-thorough-pytorch一览