软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18671+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索云GPU ，共找到 17 条记录

默认排序最新上传最多下载

Hugging Face云工作流执行

hugging-face-jobs

sickn33/antigravity-awesome-skills

用于在Hugging Face的托管云基础设施上执行复杂的计算工作负载。无需本地环境配置，支持使用云端的CPU、GPU或TPU资源。适用于大规模数据处理、批处理推理、可复现的模型训练和周期性自动化任务，并将结果持久化到Hugging Face Hub。

Lambda Labs GPU 云指南

lambda-labs-gpu-cloud

Orchestra-Research/AI-Research-SKILLs

针对 Lambda Labs GPU 云实例的使用手册，包含适用场景、控制台/SSH/API 启动流程、GPU 选型、价格优势，以及带有 Lambda Stack 的持久化存储等实战细节。

Vast.ai GPU成本优化指南

vastai-cost-tuning

jeremylongshore/claude-code-plugins-plus-skills

本工具包旨在帮助用户优化Vast.ai上的GPU云资源使用成本。它提供了选择成本效益最高GPU型号、利用抢占式（Spot）实例以及设置自动销毁机制的完整指南。通过检测闲置计算资源和监控运行费用，确保AI模型训练和推理作业能够高效、经济地完成。

机器学习训练数据安全管理

vastai-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了在云端GPU实例（如Vast.ai）上安全管理训练数据和模型工件的完整流程。它涵盖了数据传输（SCP、压缩、云存储）、AES-256加密实现、模型检查点到S3的持久化，以及实例销毁前的安全数据清理，确保了整个机器学习项目的合规性和数据完整性。

Vast.ai上的机器学习部署指南

vastai-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套完整的机器学习工作流部署解决方案，专门用于Vast.ai GPU云平台。内容涵盖了从优化Docker镜像以提高效率，到使用自动化Python脚本进行资源搜索和实例创建，再到数据传输和部署后健康检查的全流程指导，确保ML服务能够稳定、高效地运行。

Vast.ai GPU实例生命周期管理

vastai-hello-world

jeremylongshore/claude-code-plugins-plus-skills

本指南全面演示了在Vast.ai上管理GPU计算资源的完整生命周期。内容涵盖使用CLI和REST API搜索可用硬件、配置GPU实例（例如使用PyTorch镜像）、通过SSH连接、运行深度学习工作负载，以及最后销毁实例以停止计费。适用于测试云集成或管理机器学习计算流水线。

Modal 云端GPU平台

K-Dense-AI/claude-scientific-skills

Modal 提供云端无服务器 Python 运行环境，按需调度 GPU、持久卷、Web 接口等，方便部署模型、推理服务和批处理作业，不用写 Dockerfile。

Hugging Face云端大型语言模型训练

hugging-face-model-trainer

sickn33/antigravity-awesome-skills

本技能指导用户利用Hugging Face的云基础设施，进行大型语言模型和视觉模型的专业微调与训练。支持使用TRL（SFT, DPO等）或Unsloth等前沿方法，无需本地GPU环境即可在云端完成复杂的训练任务，并支持将模型转换为GGUF格式进行本地部署。

Hugging Face上训练视觉模型

hugging-face-vision-trainer

sickn33/antigravity-awesome-skills

本技能用于在Hugging Face Jobs上提供全流程的视觉模型训练和微调服务。支持目标检测、图像分类和语义分割等多种高级任务。用户无需本地GPU环境，只需准备数据集，即可利用云端GPU资源进行训练，并将最终模型自动持久化保存到Hugging Face Hub。

CoreWeave GPU成本优化指南

coreweave-cost-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套全面的策略，用于优化CoreWeave上的云GPU资源支出。它涵盖了从根据模型需求进行精细化资源配置（Right-sizing），到为开发环境实施从零扩展（Scale-to-Zero），以及利用量化技术（如AWQ）等多个维度，帮助用户在确保高性能的同时，实现AI/ML工作负载的最大化成本节约。

核心AI数据管理与合规

coreweave-data-handling

jeremylongshore/claude-code-plugins-plus-skills

用于在GPU云工作负载中管理大型数据集、模型权重和训练数据。它涵盖了数据生命周期管理的全流程，包括通过Kubernetes PVC安全导入、合规导出和数据验证。确保数据处理过程符合行业最佳实践、加密标准（AES-256）和数据安全合规要求。

云端机器学习工作负载迁移指南

coreweave-migration-deep-dive

jeremylongshore/claude-code-plugins-plus-skills

本技能包详细指导用户如何将机器学习工作负载（包括推理服务和训练管道）从AWS/GCP/Azure等大型云平台迁移到CoreWeave GPU云。内容涵盖成本对比、容器化步骤、Kubernetes配置适配和分阶段部署，帮助用户确保迁移过程平稳、高效且具成本效益。

语言