本期内容分享一套全流程搭建训练气象深度学习模型的代码，并考虑在基础的预报预测领域的应用。
本期内容的目标是：尽量让看过本文的读者，可以直接在本地一键跑通如SmaAtUNet、UNet等卷积网络，ConvLSTM、TrajGRU、PhyDNet、STPhy等递归卷积网络，以及SegFormer等基于Transformer的网络。
本期part1以预报预测为例，后续part2将以降尺度为例。
总体来说：
1、从https://github.com/Tsingzao/MetNow下载代码至本地；
2、执行run.py或者run_recurrent.py即可开始训练模型。不同模型大致效果如下，
细节内容：
1、需要安装必要的库，如pytorch_lightning、pytorch等，我用的pytorch版本是1.13.1+cu117，pytorch_lightning版本是1.8.6。
2、run.py用于训练卷积网络和Transformer网络，run_recurrent.py用于训练递归卷积网络。
3、支持的卷积网络：UNet、SmaAtUNet、SegFormer；支持的递归网络：来自vp_suite库
4、训练好的模型存放在saved_models目录下
其他细节：
1、自定义输入输出序列长度
2、自定义数据集
