データ・AIのスキル

NVFLAREで何から始めるか迷うときに、ソースやデータの検査結果を基に目的を整理し、変換・検証・運用など、次の作業に適したスキルを読み取り専用で案内します。

• NVFLAREの始め方を相談したいとき
• 手元のプロジェクトに合う手順を探したいとき
• 学習処理の担当箇所が曖昧なとき

手元の脳MRIデータで生成モデルを追加学習するため、入力の事前確認から設定準備、学習実行、任意の画像生成までを扱います。学習済みモデルやログを出力します。

• 脳MRIデータの学習前チェック
• T1・T2などのデータによる追加学習
• データと出力先を指定した学習コマンド作成

物理現象の予測やシミュレーション向けに、PhysicsNeMoの現行ファイルからモデル候補、データ入力処理、参考例を探し、用途に沿って案内します。

• 物理現象の予測モデルを探したいとき
• 格子やメッシュ向けモデルの比較
• データ形式に合う入力処理の探索

OSMO上で動画データのバリエーション作成と自動ラベル付けを進めます。実行前の環境確認から処理の監視、成果物の取得、元動画との並列比較までを扱います。

• 元動画に自動ラベルを付けたいとき
• 動画を拡張してラベルを付けたいとき
• 元動画と拡張動画を一括処理

NVIDIA TAO Visual ChangeNetによる外観検査の失敗を、予測スコアと実画像から調べ、見逃しや誤判定の原因、改善案と影響を報告書にまとめるスキル。

• 欠陥の見逃しや再現率低下の原因調査
• FAR悪化や誤検出の分析
• 参照画像と検査データの監査

研究用の合成CT画像と臓器・腫瘍の領域マスクを生成します。部位や出力サイズを指定し、生成条件、ラベル対応、断面画像をまとめて確認できるスキルです。

• 胸部CTと肺マスクを合成したいとき
• 合成CTの腫瘍サイズ条件の検討
• 生成前の設定と必要リソースの確認

既存のPyTorch学習コードを、データを各拠点に置いたまま学ぶNVFLAREの連合学習ジョブへ変換し、評価処理の移植からローカル検証、書き出しまで進めるスキル。

• 手書きの学習ループを連合学習に移したいとき
• 既存の評価処理を連合学習に組み込みたいとき
• FedAvgジョブの検証と書き出し

NVFLAREのジョブ失敗や停止、タイムアウトを、ログや実行結果に基づいて調査し、原因の候補・確信度・復旧に向けた次の対応を整理するスキル。

• ローカルシミュレーション失敗の調査
• 停止やタイムアウトの原因調査
• クライアント切断や実行例外の確認

NVIDIAの音声認識・音声合成・翻訳を、クラウドや自前の環境で導入・実行・テストする手順を案内します。モデル選定や発音調整、動作条件の確認にも対応します。

• 音声認識モデルの導入とテスト
• Magpieで音声を合成したいとき
• 特定の単語の発音を調整したいとき

Megatron-Bridgeで長い入力を複数GPUに階層的に分割して学習する設定を案内し、必要条件や実装箇所、ログでの有効化確認を整理するスキル。

• 階層型コンテキスト並列の設定
• KVヘッド数を超える並列化
• 設定変更後のメモリ不足の調査

Megatron Bridge の学習時に起こるGPUメモリ不足を調べ、メモリの断片化対策、LoRAの保持データ削減、再計算や並列処理設定の調整を案内します。

• 学習中のGPUメモリ不足を調べたいとき
• LoRA学習の入力保持量削減
• 大規模学習前のメモリ見積もり

複数GPUでMoEモデルを学習する際に、データの振り分け方式を選ぶスキルです。GPUの種類や並列化の規模に応じて候補を絞り、性能比較や設定の見直しを支援します。

• GPUに合うMoEの振り分け方式の選定
• 初期動作確認用のalltoall設定
• DeepEPとHybridEPの同条件比較

Megatron-BridgeでMoEの通信と計算を並行実行する設定を検証し、互換性の確認や性能比較を通じて学習速度の改善を試すスキル。

• MoE学習の通信重複を有効にしたいとき
• DeepEP・HybridEPの互換性確認
• 通信重複と勾配計算遅延の比較

Nemotronのデータ整備・翻訳・追加学習・評価などを既存の処理から組み立て、工程間の入出力やGPU条件を確認して実行用の設定を作るスキル。

• モデルとデータを指定してLoRA学習
• データ準備と追加学習をつなぎたいとき
• 公開済みモデルの性能評価

Nemotronの検索モデルを対象に、関連文書の見落としや順位の乱れを切り分け、追加学習・評価・配備に向けた設定確認と実行コマンドの作成を支援します。

• 関連文書の見落としを調べたいとき
• 検索結果の順位を改善したいとき
• 学習コマンドを事前確認したいとき

Megatron-LMとMegatron Bridgeで模擬・実データによる学習を実行し、設定の対応付けや損失曲線の比較、複数GPUでの動作確認を支援します。

• MLMとBridgeの損失曲線を比較したいとき
• MLMの引数をBridgeの設定に移したいとき
• 複数GPUで学習を確認したいとき

NeMo Relayを初めて試す人に向け、CLIや既存の連携機能、Pythonなどでの最小構成を選び、ツールやモデルの呼び出しを記録できるか確認します。

• CodexやClaude CodeでCLIから試す
• 既存アプリに合う連携方法の選択
• アプリのツール・LLM呼び出しの記録確認

Megatron-Bridgeの分散学習で通信と計算を重ねる設定を案内し、テンソル・データ・パイプライン並列ごとの有効化条件や設定の落とし穴、テスト手順を確認するスキル。

• 分散学習で通信重複を有効にしたいとき
• TPの通信重複が無効になる原因の確認
• 設定変更後の学習速度低下の調査

Megatron BridgeのMoE学習で、処理を分担するエキスパート間の通信と計算を重ねる設定を案内し、有効化の条件や設定の競合、性能比較の方法を整理するスキル。

• トークンの振り分け・集約待ちの削減
• エキスパート間の通信重複条件の確認
• flex設定と通信重複の競合解消

画像と言語を扱うMoEモデルの学習で、FSDPと3D並列化の選択、メモリ不足への対処、実画像データを使った性能比較や設定調整の進め方を案内します。

• 新規モデルの並列学習方式を選びたいとき
• 学習失敗やメモリ不足の原因調査
• 実画像入力での性能比較

NeMo AutoModelの学習ジョブを、手元のGPU、Slurmクラスタ、SkyPilotのクラウド環境で起動するための設定を整えるスキル。

• ローカルとクラスタの起動切り替え
• Slurmの複数ノード学習設定
• スポット利用時の途中保存と再開設定

Megatron-Bridgeで複数の学習データをまとめるパッキングと長文脈学習を設定し、方式ごとの制約やバッチサイズ、並列化との整合性を確認するスキル。

• テキストモデルの事前パッキング設定
• 画像・言語モデルのパッキング方式選び
• 長文脈学習の並列化制約を確認したいとき

NeMo AutoModelの複数GPU・複数ノード学習で、分散方式の選択とYAML設定を支援します。モデル規模や長い入力に応じた並列化と制約を整理します。

• 複数GPU向けの学習方式を選びたいとき
• 大規模モデルの並列化設定
• 長い入力をGPU間で分割したいとき

モデルやGPUの台数・種類、学習目的に合うMegatron Bridgeの設定を選び、並列処理やバッチサイズの調整と、学習用・性能測定用の違いを案内するスキル。

• 事前学習・追加学習の初期設定選び
• 手持ちのGPUに並列処理を合わせたいとき
• 学習用と性能測定用の設定比較