「ecto」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。

Operate ECCV2022-RIFE video frame interpolation, benchmark evaluation, and training workflows from a source checkout.

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 DINO DETR object-detection setup, COCO data validation, CUDA deformable-attention preparation, training, evaluation, inference, visualization, and bounded benchmarking tasks.

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 EdgeConnect requests for image inpainting setup, data preparation, training, checkpoint-backed testing, and 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。

Use Diffusion Policy for robot imitation-learning configs, zarr replay data, policy/model interfaces, training/evaluation workflows, and safety-gated real robot 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 skill for Hugging Face Diffusers tasks: pipeline inference, schedulers, adapters/loaders, training recipes, modular pipelines, conversion helpers, CLI checks, 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。

Route DiffDock docking, web UI, training/data preparation, and benchmark evaluation tasks to focused repo-specific 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 DI-engine users to the right workflow for CLI/config launches, serial and framework-based RL pipelines, and environment integration.

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。

Route DGL graph learning tasks across graph APIs, datasets, message passing, GraphBolt, distributed tools, and DGL-Go 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 DGL-LifeSci and dgllife for molecular graph learning, molecule featurization, datasets, property prediction, reaction prediction, binding affinity, model-zoo/pretrained models, and molecular generation 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 Dexbotic to prepare DexData, train and serve vision-language-action policies, evaluate checkpoints, and integrate explicitly external RL or robot 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 detrex for detection-transformer configs, training/evaluation, demos, model zoo conversion, and package API debugging.

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 Detectron2 for object detection, segmentation, configuration, datasets, training, inference, export, and extension 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 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。

Operating skill for the Equinox JAX neural-network and PyTree library.

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。

Use the fair-esm repository skill for protein language-model embeddings, ESMFold structure prediction, ESM-IF1 inverse folding, and zero-shot variant-effect scoring.

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 working with ESPnet speech AI toolkit: installation, ESPnet2 recipes and training, pretrained inference/model zoo, ESPnet3 stage workflows, and repository testing.

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 Evaluate to load metrics, comparisons, and measurements; compute and combine results; run evaluator pipelines; create custom modules; troubleshoot optional dependencies, cache, Hub, and CLI 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 DRL-Pytorch reinforcement-learning workflows for standalone PyTorch Q-learning, DQN-family, PPO, DDPG, TD3, SAC, Atari DQN, and Actor-Sharer-Learner scripts.

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。