GPU

pytorch-patterns 可協助你以裝置無關的模式、可重現的實驗，以及明確的 tensor 處理來撰寫、審閱與除錯 PyTorch 程式碼。這個 pytorch-patterns 技能適合用來打造更乾淨的訓練迴圈、重構模型，以及取得實用的 PyTorch 指引。

適用於 PyTorch Geometric 圖神經網路的 torch-geometric 技能指南。可用來取得 torch-geometric 安裝協助、torch-geometric 使用方式、圖分類、節點分類、連結預測、異質圖、自訂 MessagePassing 層，以及為 Machine Learning 工作流程擴展 GNN。

optimize-for-gpu 可搭配合適的函式庫選擇，將受 CPU 限制的 Python 轉為 NVIDIA GPU 程式碼。適用於陣列、DataFrame、ML pipelines、圖分析、影像處理、地理空間工作、向量搜尋與自訂 kernels。它會以實用的 optimize-for-gpu 使用方式與遷移建議，協助你在 CuPy、cuDF、cuML、cuGraph、cuCIM、cuVS、KvikIO、Numba CUDA 和 Warp 之間做出判斷。

這個 pytorch-lightning 技能可協助你用 LightningModules 和 Trainer 來整理 PyTorch 專案。這份 pytorch-lightning 指南適合用來了解安裝、訓練、驗證、記錄、檢查點，以及跨多 GPU 或 TPU 工作流程的分散式執行。

這是給使用 Modal 作為 Python 雲端執行環境的 Backend Development 團隊使用的 modal 技能。了解何時適合用 Modal 來處理 GPU 工作負載、自動擴縮函式、Web API、排程工作與批次 पाइपलाइन，並學會如何選對安裝情境、閱讀 repo，以及撰寫更少樣板、可直接部署的程式碼。

get-available-resources 會在執行高負載科學或 ML 工作流程前，先檢查 CPU、GPU、記憶體與磁碟狀態。它會回傳資源快照與實用建議，例如是否適合平行處理、GPU 加速或採用記憶體安全的做法，協助代理在工作流程自動化時做出更好的執行決策。

makepad-2.0-shaders 是一個用於撰寫與除錯 Makepad 2.0 shader 程式碼的前端開發技能。適合處理 `pixel: fn()` 與 `vertex: fn()` 區塊、Sdf2d 圖形、自訂元件繪製、預乘 alpha，以及實際的安裝與使用指引。