1,050 件 ・ 関連度順
概要と使いどころ
Guides Earth2Studio weather and climate inference workflows, data access, model and component selection, output/checkpoint handling, extension, and optional REST serving with backend-aware validation.
日本語の概要は準備中です。原文の説明を表示しています。
Use and troubleshoot the Dream Textures Blender add-on for Stable Diffusion image generation, texture projection, render passes, model setup, and backend APIs.
日本語の概要は準備中です。原文の説明を表示しています。
Use DeepChem for molecular machine learning, data loading, featurization, model training, MoleculeNet, docking, and optional backend troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Use DeepXDE for scientific machine learning, PINNs, DeepONet/operator learning, backend selection, training, and troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Operate lucidrains DALLE-pytorch for DALL-E style VAE training, transformer training, generation, CLIP ranking, and backend troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Use when building, debugging, testing, or maintaining Plotly Dash applications, callbacks, server backends, component packages, renderer internals, and Dash repository workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Operate ChatterBot conversational dialog engine workflows, including chatbot setup, training, logic adapters, storage backends, Django integration, and optional LLM adapters.
日本語の概要は準備中です。原文の説明を表示しています。
Use ComfyUI as a modular AI content-creation engine: launch and automate the server, submit API workflows, validate graph JSON, author custom nodes, and configure model paths/backends.
日本語の概要は準備中です。原文の説明を表示しています。
Route AutoGPT Platform self-hosting, backend, frontend, and legacy Classic agent work to focused operating guidance.
日本語の概要は準備中です。原文の説明を表示しています。
Routes AutoTrain Advanced installation, CLI, config, training, UI/API, backend, and utility workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use ARIS, the Auto Research in Sleep skill-based research harness, for setup, workflow routing, reviewer backend integration, state recovery, experiment operations, and repository maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。
Use BoxMOT for multi-object tracking, benchmark replay, ReID model lifecycle workflows, and native C++ tracker backends.
日本語の概要は準備中です。原文の説明を表示しています。
Use BiSheng's enterprise LLM application DevOps platform repository, including FastAPI backend, workflow/RAG/Linsight runtimes, permissions, dual React frontends, deployment, and maintainer workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Operate the Deep Researcher Agent repository for autonomous deep-learning experiments, execution backends, provider/tool dispatch, GPU resources, durable progress, and research-support integrations.
日本語の概要は準備中です。原文の説明を表示しています。
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.
日本語の概要は準備中です。原文の説明を表示しています。
Routes Alibi users to the right explanation, confidence, prototype, or optional-backend workflow and points them to the bundled helpers needed to run it.
日本語の概要は準備中です。原文の説明を表示しています。
Route Airweave tasks to the most specific sub-skill: local-development, backend-api, source-connectors, frontend-dashboard, connect-widget, mcp-search, or monke-e2e.
日本語の概要は準備中です。原文の説明を表示しています。
Use this repo skill for Agent Lightning package tasks: authoring trainable agents, tracing rewards and spans, running LightningStore/Trainer loops, using agl CLI services, choosing examples, and troubleshooting optional backends.
日本語の概要は準備中です。原文の説明を表示しています。
Routes substantive ML, AI, data, scientific-computing, and software-engineering requests to the smallest useful set of managed repository skills. Invoke proactively when a request names or implies a package, framework, model family, dataset, modality, workflow, backend, deployment target, evaluation method, or implementation approach that may benefit from repository guidance, even if no repository is named. Narrow progressively from area to family to repository root: inspect only the one or two most likely area pages; compare candidates by capability, task surface, model/data format, training versus inference versus evaluation intent, runtime constraints, and root-skill description; then open only the selected root and relevant sub-skills, references, or scripts. Select multiple repositories only when each adds a distinct capability. Do not load the whole collection, treat dependencies or incidental integrations as capabilities, choose by name alone, or force a match when no exact taxonomy family applies.
日本語の概要は準備中です。原文の説明を表示しています。
Use AReaL for large-scale asynchronous LLM reinforcement learning, agentic RL, distributed post-training, inference/agent services, backend planning, and customization workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use when polishing, diagnosing, tailoring, or exporting resumes for LLM, RAG, Agent, Agentic RL, post-training, pretraining, AIGC, search/ranking, multimodal, AI backend, or LLM algorithm internships from raw resume text, a materials folder, and/or a target job description. Audits evidence, maps JD fit, enforces truth boundaries, writes polished and targeted resumes, generates interviewer-style grilling questions, answer cards, evidence-upgrade plans, and optional open-source project recommendations without fabricating experience.
日本語の概要は準備中です。原文の説明を表示しています。
Generate/create Loki configs — ingester, querier, compactor, ruler, S3/GCS/Azure backends.
日本語の概要は準備中です。原文の説明を表示しています。
Deploy web apps with backend APIs, database, and file storage. Use when the user asks to deploy or publish a website or web app and wants a public URL. Uses HTTP API via curl.
日本語の概要は準備中です。原文の説明を表示しています。