Deep Learning

pytorch-patterns は、デバイス非依存のパターン、再現性の高い実験、明示的な tensor 扱いを通じて、PyTorch コードの記述・レビュー・デバッグを支援します。よりきれいな学習ループ、モデルのリファクタリング、実践的な PyTorch ガイダンスが必要な場面で、この pytorch-patterns スキルを使ってください。

torchdrug は、分子およびタンパク質の機械学習に特化した PyTorch ネイティブのツールキットです。torchdrug skill を使えば、グラフニューラルネットワーク、タンパク質モデリング、知識グラフ推論、分子生成、逆合成に向けて、タスク、データセット、モジュール型モデルを見極められます。用意されたデモを見るだけでなく、カスタムモデル開発と再現性の高い設定を重視する場合に最適です。

PyTorch Geometric のグラフニューラルネットワーク向け torch-geometric スキルガイドです。torch-geometric のインストール支援、torch-geometric の使い方、グラフ分類、ノード分類、リンク予測、異種グラフ、カスタム MessagePassing レイヤー、Machine Learning ワークフローでの GNN のスケーリングに役立ちます。

huggingface-vision-trainer は、物体検出、画像分類、SAM/SAM2 のセグメンテーションといった Hugging Face のビジョントレーニングジョブを導入・活用するためのスキルです。データセット準備、クラウド GPU のセットアップ、評価、Trackio ロギング、結果の Hub へのプッシュまでをカバーします。バックエンド自動化や再現性の高い学習ワークフローに最適です。

huggingface-llm-trainer は、Hugging Face Jobs 上で TRL または Unsloth を使い、言語モデルや視覚モデルを学習・ファインチューニングするのに役立ちます。この huggingface-llm-trainer スキルは、SFT、DPO、GRPO、reward modeling、データセット検証、GPU 選定、Hub への保存、Trackio 監視、さらにバックエンド開発ワークフロー向けの GGUF 書き出しまでカバーします。

huggingface-best skill は、Hugging Face のベンチマーク順位表を確認し、デバイス制約やモデルサイズで絞り込むことで、タスクに最適なモデルを見つけるのに役立ちます。コーディング、推論、チャット、OCR、RAG、音声、画像、マルチモーダルなどで、汎用的なモデル一覧ではなく、実用的な候補を絞り込みたいときのモデル推薦に向いています。

transformersスキルは、Hugging Face Transformersを使ったモデルの読み込み、推論、トークナイゼーション、ファインチューニングを支援します。テキスト、画像、音声、マルチモーダルの各ワークフローで使える実践的なtransformersガイドとして、素早いベースライン構築からカスタム学習までをわかりやすく整理しています。

scvi-tools は、確率的なシングルセル解析のための Python フレームワークです。この scvi-tools スキルは、バッチ補正、潜在埋め込み、不確実性つき差次的発現、転移学習、マルチモーダル統合に活用できます。single-cell RNA-seq、ATAC、CITE-seq、multiome、空間解析のワークフローに特に適しており、高度な Machine Learning のユースケースでは特に強みを発揮します。

PyTorch プロジェクトを LightningModules と Trainers で整理するための pytorch-lightning スキルです。インストール、学習、検証、ログ記録、チェックポイント保存、さらにマルチ GPU や TPU をまたぐ分散実行まで、この pytorch-lightning ガイドを活用できます。

pyhealthを使うと、Dataset → Task → Model → Trainer → Metrics の流れで臨床・医療分野の深層学習パイプラインを構築できます。このpyhealthスキルは、MIMIC-III/IV、eICU、OMOP、SleepEDF、ChestXray14、EHRShot、予測、薬剤推薦、睡眠段階分類、ICDコーディング、EEGイベント、医療コードマッピングに対応します。

pufferlib は、高速な並列シミュレーション、ベクトル化ロールアウト、マルチエージェント学習に対応した高性能強化学習スキルです。この pufferlib ガイドでは、インストール方法、pufferlib の使い方、Gymnasium、PettingZoo、Atari、Procgen、NetHack 風環境を使った RL パイプラインの調整までを確認できます。スループット重視で、スケーラブルな PPO ワークフロー向けのコード生成に最適です。