“AI Earth”人工智能创新挑战赛 baseline调试记录

2.21 简单mlp+soda数据训练

baseline参考:team-learning-data-mining/WeatherOceanForecasts/
Dockerfile参考：构建镜像并推送

遇到的一些问题：
1.Dockerfile中需要添加：

##Install Requirements（requirements.txt包含python包的版本）
## 这里使用清华镜像加速安装
RUN pip --timeout=600 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

2.requirements.txt生成：

pip freeze > requirements.txt

3.result文件夹需创建在run.sh同级目录下，并打包为zip文件：

def make_zip(source_dir='./result/', output_filename = 'result.zip'):
    zipf = zipfile.ZipFile(output_filename, 'w')
    pre_len = len(os.path.dirname(source_dir))
    source_dirs = os.walk(source_dir)
    print(source_dirs)
    for parent, dirnames, filenames in source_dirs:
        print(parent, dirnames)
        for filename in filenames:
            if '.npy' not in filename:
                continue
            pathfile = os.path.join(parent, filename)
            arcname = pathfile[pre_len:].strip(os.path.sep)  # 相对路径
            zipf.write(pathfile, arcname)
            zipf.close()
make_zip()

运行分数截图：

2.23 torch+nn+CMIP数据训练

baseline参考: Baseline->new starter
cmip数据进行训练，soda数据进行验证

遇到的一些问题：
1.Dockerfile中镜像需要修改为：

FROM registry.cn-shanghai.aliyuncs.com/tcc-public/pytorch:1.4-cuda10.1-py3

mac不支持cuda就很烦……
这个镜像拉取的时间可能会有点久，可以喝杯茶休息一下~
2.纯SODA线上分数全负，所以后续都是用CMIP数据训练
3.AdaptiveAvgPool2d效果比maxpool好
运行分数截图：