243건 · 관련도순
Use FFCV to convert datasets into .beton files, build fast PyTorch loader pipelines, handle image and custom fields/transforms, and tune cache, traversal, and throughput behavior.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use face.evoLVe for high-performance face recognition workflows across alignment, data preparation, PyTorch training, feature verification, and Paddle deployment.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use DPM-Solver and DPM-Solver++ single-file samplers for diffusion ODE sampling, PyTorch/JAX integration, ScoreSDE/DDPM examples, and Stable Diffusion acceleration.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes Distil-Whisper inference, PyTorch distillation training, and Flax reproduction workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use DeepCTR-Torch for PyTorch CTR/recommender feature columns, single-task models, DIN/DIEN sequence models, and multi-task learning workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use the DeepGCNs PyTorch operating guide for graph convolution layers, dynamic and dilated KNN blocks, point-cloud classification or segmentation, PPI, OGB/DeeperGCN, and reversible memory-efficient GNN workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route DeepLabCut markerless pose-estimation workflows, project setup, PyTorch training/inference, maDLC tracking, Model Zoo, post-processing, 3D, and export tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guide Det3D PyTorch 3D object-detection workflows across configuration, KITTI/nuScenes/Lyft data preparation, GPU training and evaluation, custom CUDA operations, and visualization.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Routes CS230 code-example requests to the correct PyTorch or TensorFlow vision and NLP workflows for SIGNS image classification and named-entity recognition.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use ColossalAI for distributed PyTorch training, large-model parallelism, Booster plugins, ShardFormer, Colossal-Inference, and first-party application workflow routing.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use richzhang/colorization PyTorch colorizers for automatic image colorization, Python API calls, preprocessing/postprocessing, and runtime troubleshooting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use MosaicML Composer for PyTorch training loops, speedup methods, loggers, checkpoints, distributed launch, profiling, and model export.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guides Attention-Gated Networks PyTorch medical imaging workflows for ultrasound classification, attention-gated U-Net segmentation, data layout, CUDA setup, and visualization helpers.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use bitsandbytes for k-bit PyTorch quantization, Hugging Face quantized model loading, 8-bit and paged optimizers, direct quantized layers/functions, and backend installation diagnostics.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Route AIMET install, PyTorch/ONNX quantization, GenAILab, model access, cluster/Pod, Qualcomm SDK, optimization, export, and repository tasks to focused operating guidance.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build, debug, serialize, and integrate Albumentations 2.x augmentation pipelines for images, masks, bboxes, keypoints, volumes, and PyTorch-style datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Guide alphafold2-pytorch protein sequence, MSA, distogram, angle-logit, coordinate-refinement, recycling, embedding, and structure-utility workflows with version-aware troubleshooting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use Hugging Face Accelerate for PyTorch training-loop migration, distributed launch/configuration, DeepSpeed/FSDP/TPU backend setup, big-model inference/offload, checkpointing, tracking, and troubleshooting.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
优化实际模型推理链路，将正确性对齐、分段 profiling、显存与数据搬运、TensorRT/ONNX/PyTorch 后端、attention/kernel、FP8/compile、缓存与少步采样、质量回归、GPU 成本和服务验收串成同一实验闭环。当用户要求推理提速、降低显存或 GPU 成本、复现模型效果、定位 GPU 利用率低、优化图像/视频/扩散模型或自托管 LLM 时使用，提供 model inference performance optimization 的脱敏案例。纯 API 调用、提示词或 token 用量优化，以及电脑卡顿，不进入本技能的模型推理实验流程。
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Set up the Graphsignal Profiler for inference workloads — vLLM, SGLang, PyTorch, and dstack services. Use when the user wants GPU profiling, tracing, or monitoring for inference, asks about `graphsignal-run` or `graphsignal.watch()`, or asks about CUPTI / Prometheus / OTLP setup.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Train ML models with scikit-learn, PyTorch, TensorFlow. Use for classification/regression, neural networks, hyperparameter tuning, or encountering overfitting, underfitting, convergence issues.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Think and work like an expert Machine Learning Engineer. Use when a task calls for Machine Learning Engineer judgment. Reasons from decision-policy framing, Google's Rules of ML, point-in-time data, and prefill/decode inference physics through GBDT/PyTorch baselines, vLLM/SGLang/KServe serving with FP8/AWQ quantization, hybrid-retrieval RAG, RAGAS and human-validated LLM judges, OpenTelemetry GenAI tracing, and post-Omnibus EU AI Act obligations while treating train-serve skew, temporal leakage, prompt injection, LLM nondeterminism, and degenerate feedback loops as first-class failure modes.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Query CZ CELLxGENE Census (61M+ cells). Filter by cell type/tissue/disease, retrieve expression data, integrate with scanpy/PyTorch, for population-scale single-cell analysis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Review PyTorch pull requests for code quality, test coverage, security, and backward compatibility. Use when reviewing PRs, when asked to review code changes, or when the user mentions "review PR", "code review", or "check this PR".
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.