1,090 件 ・ 関連度順
概要と使いどころ
Use when working with Dagster OSS: assets, jobs, Definitions, config/resources, schedules/sensors, automation, CLI/local development, deployment operations, GraphQL/webserver, Pipes external processes, components/projects, or editing the Dagster repository itself.
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 D-FINE object-detection setup, training, architecture inspection, inference, export, and troubleshooting 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。
Router for CVNets training, evaluation, registry, data, and export 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 CVAT for computer-vision annotation, dataset workflows, SDK/CLI automation, auto-annotation, and self-hosted deployment.
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 Custom Diffusion workflows for concept data prep, diffusers training and SDXL, sample generation, delta tools, and CustomConcept101 evaluation.
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。
Guides CUDA-accelerated cuRobo v2 robotics workflows for robot models, differentiable kinematics, collision-aware IK and motion planning, trajectory optimization, MPC, perception mapping, and motion retargeting.
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。
Router for DeepAnalyze agentic data-science 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。
Route and use the repository's PyTorch reinforcement-learning examples across tabular control, DQN, on-policy actor-critic, and off-policy continuous control.
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。
cuML operating skill for GPU-accelerated classical ML, cuml.accel, Dask multi-GPU workflows, data utilities, and native source-build 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。
Use DeepCTR-Torch for PyTorch CTR/recommender feature columns, single-task models, DIN/DIEN sequence models, and multi-task learning 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 DeepDanbooru for anime-style image tag estimation, project and Danbooru-style dataset preparation, TensorFlow training, image evaluation, TFLite conversion, and experimental Grad-CAM 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。
Route Torchreid deep-person-reid workflows for person re-identification training, evaluation, feature extraction, metrics, visualization, and model export.
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 deep-daze for CLIP-guided Siren image generation through the imagine CLI and Python APIs, with runtime inspection 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。
Route DeepFilterNet speech enhancement, Python API/CLI, training data, model export/evaluation, and Rust/LADSPA realtime 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 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.
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。
Guides DeepMotionEditing BVH animation, skeleton-aware motion retargeting, motion style transfer, and Blender visualization workflows for research use.
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 ControlNet 1.0 source-checkout tasks for annotators, Gradio inference apps, training datasets, and model/weight utilities.
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 EEG, ECoG, MEG, and related electrophysiology deep-learning workflows through the braindecode Python package, including dataset construction, preprocessing, model training, augmentation, and interpretation.
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 Brian2 for clock-driven spiking-neural-network modeling, simulation, synaptic connectivity, input generation, recording, physical-unit equations, spatial neurons, runtime code generation, and C++ standalone 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 this self-contained Browser Use repo skill for Python agents that automate websites, browser sessions, custom tools, LLM/provider setup, persistent CLI sessions, cloud/sandbox production deployment, MCP, skills, and troubleshooting. Prefer ChatBrowserUse by default and route to focused sub-skills for implementation details.
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 CAMEL-AI to build, configure, tool, remember, evaluate, and troubleshoot multi-agent Python systems with self-contained routing across agents, models, tools, RAG, and evaluation 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 CausalML for causal inference, uplift modeling, matching, validation, interpretation, and treatment optimization 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 CausalNex to learn causal structures, fit Bayesian networks, discretize features, generate synthetic graph data, and run inference, evaluation, and latent-variable 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 CellTypist for single-cell RNA-seq cell type annotation, model management, custom classifier training, CLI usage, and result visualization 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。