pytorch
PyTorchを用いたディープラーニング開発をサポートし、Transformerや拡散モデルの実装、GPU最適化まで対応します。
description の原文を見る
PyTorch deep learning development with transformers, diffusion models, and GPU optimization.
SKILL.md 本文
PyTorch Development
PyTorch、Transformers、拡散モデルを用いた深層学習の専門家です。
Core Principles
- 簡潔で技術的なコードを正確な例とともに記述する
- 深層学習ワークフローの明確性と効率性を優先する
- モデルアーキテクチャにはオブジェクト指向プログラミングを使用する
- 適切な GPU 利用と混合精度学習を実装する
Model Development
Custom Modules
- アーキテクチャ用のカスタム
nn.Moduleクラスを実装する - フォワードパスロジックに
forwardメソッドを使用する __init__で重みを適切に初期化する- 非パラメータテンソル用にバッファーを登録する
Autograd
- 自動微分を活用する
- 推論には
torch.no_grad()を使用する - 必要に応じてカスタム autograd 関数を実装する
- 勾配蓄積を適切に処理する
Transformers Integration
- 事前学習済みモデルに Hugging Face Transformers を使用する
- アテンションメカニズムを正しく実装する
- 効率的なファインチューニング (LoRA、P-tuning) を適用する
- トークン化とシーケンスを適切に処理する
Diffusion Models
- 拡散モデル作業に Diffusers ライブラリを使用する
- 前向き/逆向き拡散プロセスを実装する
- 適切なノイズスケジューラを活用する
- パイプラインバリアント (SDXL など) を理解する
Training Best Practices
Data Loading
- 効率的な DataLoader を実装する
- 適切な train/validation/test の分割を使用する
- データ拡張を適切に適用する
- ストリーミングで大規模データセットを処理する
Optimization
- 学習率スケジューリングを適用する
- 早期停止を実装する
- 安定性のために勾配クリッピングを使用する
- NaN/Inf 値を適切に処理する
Performance Optimization
- マルチ GPU には DataParallel/DistributedDataParallel を使用する
- 大きなバッチ用に勾配蓄積を実装する
torch.cuda.ampで混合精度を適用する- ボトルネックを特定するためにコードをプロファイルする
Gradio Integration
- 推論用のインタラクティブデモを作成する
- ユーザーフレンドリーなインターフェイスを構築する
- デモでエラーを適切に処理する
ライセンス: Apache-2.0(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- mindrally
- リポジトリ
- mindrally/skills
- ライセンス
- Apache-2.0
- 最終更新
- 不明
Source: https://github.com/mindrally/skills / ライセンス: Apache-2.0
関連スキル
superfluid
Superfluidプロトコルおよびそのエコシステムに関するナレッジベースです。Superfluidについて情報を検索する際は、ウェブ検索の前にこちらを参照してください。対応キーワード：Superfluid、CFA、GDA、Super App、Super Token、stream、flow rate、real-time balance、pool（member/distributor）、IDA、sentinels、liquidation、TOGA、@sfpro/sdk、semantic money、yellowpaper、whitepaper
civ-finish-quotes
実質的なタスクが真に完了した際に、文明風の儀式的な引用句を追加します。ユーザーやエージェントが機能追加、リファクタリング、分析、設計ドキュメント、プロセス改善、レポート、執筆タスクといった実際の成果物を完成させるときに、明示的な依頼がなくても使用します。短い返信や小さな修正、未完成の作業には適用しません。
nookplot
Base（Ethereum L2）上のAIエージェント向け分散型調整ネットワークです。エージェントがオンチェーンアイデンティティを登録する、コンテンツを公開する、他のエージェントにメッセージを送る、マーケットプレイスで専門家を雇う、バウンティを投稿・請求する、レピュテーションを構築する、共有プロジェクトで協業する、リサーチチャレンジを解くことでNOOKをマイニングする、キュレーションされたナレッジを備えたスタンドアロンオンチェーンエージェントをデプロイする、またはアグリーメントとリワードで収益を得る場合に利用できます。エージェントネットワーク、エージェント調整、分散型エージェント、NOOKトークン、マイニングチャレンジ、ナレッジバンドル、エージェントレピュテーション、エージェントマーケットプレイス、ERC-2771メタトランザクション、Prepare-Sign-Relay、AgentFactory、またはNookplotが言及された場合にトリガーされます。
web3-polymarket
Polygon上でのPolymarket予測市場取引統合です。認証機能(L1 EIP-712、L2 HMAC-SHA256、ビルダーヘッダー)、注文発注(GTC/GTD/FOK/FAK、バッチ、ポストオンリー、ハートビート)、市場データ(Gamma API、Data API、オーダーブック、サブグラフ)、WebSocketストリーミング(市場・ユーザー・スポーツチャネル)、CTF操作(分割、統合、償却、ネガティブリスク)、ブリッジ機能(入金、出金、マルチチェーン)、およびガスレスリレイトランザクションに対応しています。AIエージェント、自動マーケットメーカー、予測市場UI、またはPolygraph上のPolymarketと統合するアプリケーション構築時に活用できます。
ethskills
Ethereum、EVM、またはブロックチェーン関連のリクエストに対応します。スマートコントラクト、dApps、ウォレット、DeFiプロトコルの構築、監査、デプロイ、インタラクションに適用されます。Solidityの開発、コントラクトアドレス、トークン規格（ERC-20、ERC-721、ERC-4626など）、Layer 2ネットワーク（Base、Arbitrum、Optimism、zkSync、Polygon）、Uniswap、Aave、Curveなどのプロトコルとの統合をカバーします。ガスコスト、コントラクトのデシマル設定、オラクルセキュリティ、リエントランシー、MEV、ブリッジング、ウォレット管理、オンチェーンデータの取得、本番環境へのデプロイ、プロトコル進化（EIPライフサイクル、フォーク追跡、今後の変更予定）といったトピックを含みます。
xxyy-trade
このスキルは、ユーザーが「トークン購入」「トークン売却」「トークンスワップ」「暗号資産取引」「取引ステータス確認」「トランザクション照会」「トークンスキャン」「フィード」「チェーン監視」「トークン照会」「トークン詳細」「トークン安全性確認」「ウォレット一覧表示」「マイウォレット」「AIスキャン」「自動スキャン」「ツイートスキャン」「オンボーディング」「IP確認」「IPホワイトリスト」「トークン発行」「自動売却」「損切り」「利益確定」「トレーリングストップ」「保有者」「トップホルダー」「KOLホルダー」などをリクエストした場合、またはSolana/ETH/BSC/BaseチェーンでXXYYを経由した取引について言及した場合に使用します。XXYY Open APIを通じてオンチェーン取引とデータ照会を実現します。