von affaan-m
pytorch-patterns hilft dir, PyTorch-Code mit geräteunabhängigen Mustern, reproduzierbaren Experimenten und explizitem Tensor-Handling zu schreiben, zu prüfen und zu debuggen. Nutze den pytorch-patterns Skill für sauberere Training-Loops, Modell-Refactorings und praxisnahe PyTorch-Hinweise.
von K-Dense-AI
torch-geometric Skill-Guide für PyTorch Geometric Graph Neural Networks. Nutzen Sie ihn für Hilfe bei der Installation von torch-geometric, zur Anwendung von torch-geometric, für Graphklassifikation, Node-Klassifikation, Link Prediction, heterogene Graphen, benutzerdefinierte MessagePassing-Layer und das Skalieren von GNNs in Machine-Learning-Workflows.
von K-Dense-AI
optimize-for-gpu hilft dabei, CPU-gebundenes Python mit der passenden Bibliothekswahl in NVIDIA-GPU-Code zu überführen. Geeignet für Arrays, DataFrames, ML-Pipelines, Graphanalyse, Bildverarbeitung, Geodaten, Vektorsuche und eigene Kernel. Das Skill unterstützt bei Entscheidungen rund um CuPy, cuDF, cuML, cuGraph, cuCIM, cuVS, KvikIO, Numba CUDA und Warp und liefert praxisnahe Hinweise zur Nutzung von optimize-for-gpu sowie zur Migration.
von K-Dense-AI
pytorch-lightning Skill zur Strukturierung von PyTorch-Projekten mit LightningModules und Trainers. Nutzen Sie diesen pytorch-lightning Leitfaden für Installation, Training, Validierung, Logging, Checkpointing und verteilte Ausführung über Multi-GPU- oder TPU-Workflows hinweg.
von K-Dense-AI
Modal-Skill für Backend-Development-Teams, die Modal als Cloud-Runtime für Python nutzen. Erfahre, wann sich Modal für GPU-Workloads, autoskalierende Funktionen, Web-APIs, geplante Jobs und Batch-Pipelines eignet – und wie du den passenden Installationskontext auswählst, das Repo liest und deploymentsreife Code ohne viel Boilerplate schreibst.
von K-Dense-AI
get-available-resources prüft vor rechenintensiven wissenschaftlichen oder ML-Workflows CPU, GPU, Arbeitsspeicher und Festplatte. Es liefert eine Ressourcenübersicht sowie praxisnahe Empfehlungen für parallele Verarbeitung, GPU-Beschleunigung oder speicherschonende Vorgehensweisen und hilft Agents so, bessere Ausführungsentscheidungen für die Workflow-Automatisierung zu treffen.
von ZhangHanDong
makepad-2.0-shaders ist eine Frontend-Development-Skill für das Schreiben und Debuggen von Makepad-2.0-Shader-Code. Verwende diese makepad-2.0-shaders-Skill für `pixel: fn()`- und `vertex: fn()`-Blöcke, `Sdf2d`-Shapes, benutzerdefiniertes Widget-Rendering, premultiplizierte Alpha-Werte sowie praxisnahe Hinweise zu Installation und Nutzung.
