「space」の検索結果

Use Dipy for diffusion MRI IO, preprocessing, reconstruction, tractography, registration, visualization-aware workflows, and command-line operations.

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 DiscoArt image generation, configuration/prompt scheduling, CLI, Jina serving, Docker runtime planning, 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 Distil-Whisper inference, PyTorch distillation training, and Flax reproduction 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 DreamerV2 2.2.0 for TensorFlow world-model reinforcement-learning training, custom Gym integration, typed experiment configuration, replay/checkpoint management, and JSONL/TensorBoard 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。

Load, generate, compile, rasterize, evaluate, train, and serve DeTikZify and Ti*k*Zero 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 einops Python package for readable tensor rearrangement, reductions, repetition, named-axis einsum, packing, framework layers, and repository maintenance 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 DIG (Dive into Graphs) to load graph-learning datasets, run graph generation, self-supervised learning, GNN explainability, 3D graph learning, GOOD OOD datasets, graph augmentation, fair graph learning, and large-scale graph 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 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 EasyR1 for multimodal LLM RL post-training, dataset/reward preparation, core API debugging, and checkpoint 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。

Guide Django REST Framework and GeoDjango projects through django-rest-framework-gis installation, GeoJSON serialization, spatial filtering, pagination, OpenAPI schema generation, 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。

Guide the official Elasticsearch Python client for cluster connections, generated APIs, async code, bulk ingestion, query DSL, ES|QL, optional integrations, and runtime 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 for Electricity Maps contrib parser development, capacity updates, zone/exchange configuration maintenance, and focused repo validation 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 DLTK 0.2.1 medical-imaging workflows across legacy TensorFlow 1.x data, models, Estimators, and deployment 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。

Use DeepMind dm_control for MuJoCo simulation, Control Suite environments, PyMJCF models, Composer tasks, rendering, and high-level locomotion/manipulation 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 DreamCraft3D for image-conditioned 3D generation, staged optimization, texture boosting, export, and CUDA 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 DeepMind dm-haiku as a JAX neural-network library for transforms, modules, state/RNG, layers, advanced JAX interop, and optional Flax interop.

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 DocArray for multimodal Pydantic-style documents, typed DocList and DocVec batches, serialization and local storage, FastAPI payloads, and vector retrieval indexes.

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 doccano for text annotation, dataset import/export, auto-labeling, deployment, and repo 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。

Routes DocsGPT deployment, source ingestion, retrieval, agent workflows, tools, integrations, and native or OpenAI-compatible API operations.

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。

Routes Darkflow object-detection, training, and export workflows for the legacy YOLO package.

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。

DeepPavlov package routing for config-driven NLP workflows, model-family selection, and serving.

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 DeepSpeed for distributed training, inference acceleration, ZeRO configuration, parallelism/MoE design, profiling, autotuning, and operational 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。