登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 16569+ 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 模型部署 ，共找到 84 条记录
默认排序 最新上传 最多下载

生产级机器学习工程与MLOps

ml-engineer
sickn33/antigravity-awesome-skills
386
这是一套全面的技能体系，专注于构建、部署和管理生产级的机器学习系统。知识覆盖现代ML框架（如PyTorch、TensorFlow）、模型服务（基于Kubernetes）、高级特征工程和全面的MLOps实践（包括监控、A/B测试和持续集成）。旨在交付可扩展、可靠、具备商业价值的AI解决方案。
查看详情

机器学习全生命周期流程管理

ml-pipeline-workflow
sickn33/antigravity-awesome-skills
282
本技能提供完整的MLOps管道编排指南，覆盖机器学习的整个生命周期。它指导用户从数据摄取、特征工程、模型训练，到系统级的模型验证和部署自动化，确保构建出可复现、高可用、可监控的生产级机器学习系统。
查看详情

Modal 无服务器 GPU 平台

modal-serverless-gpu
Orchestra-Research/AI-Research-SKILLs
98
Modal 无服务器 GPU 平台提供按秒计费的按需 GPU 访问，从 T4 到 H200，可快速部署模型 API、执行批处理作业并跳过基础设施运维，适合原型验证与推理训练任务。
查看详情

模型漂移检测

model-drift-detector
jeremylongshore/claude-code-plugins-plus-skills
198
自动化提供模型漂移检测的部署建议，包含实践规范、可用的生产代码与校验措施，帮助你监控推理系统并保持稳定运行。
查看详情

模型导出助手

model-export-helper
jeremylongshore/claude-code-plugins-plus-skills
101
自动化提供模型导出助手流程支持，涵盖机器学习部署中的服务、监控与生产优化，给出规范化步骤、代码配置与输出校验建议。
查看详情

LLM模型剪枝实用指南

model-pruning
Orchestra-Research/AI-Research-SKILLs
290
通过 Wanda、SparseGPT 与 N:M 结构化剪枝，快速压缩大语言模型，提升稀疏度与推理速度，无需再训练即可部署在移动或边缘硬件。
查看详情

模型剪枝助理

model-pruning-helper
jeremylongshore/claude-code-plugins-plus-skills
283
在机器学习部署场景中，一旦提到模型剪枝相关需求，即刻提供最佳实践、生产级代码与校验流程，协助模型上线与优化。
查看详情

模型量化部署助手

model-quantization-tool
jeremylongshore/claude-code-plugins-plus-skills
222
自动化提供模型量化部署的指导，涵盖工具使用、最佳实践以及面向推理、MLops 与监控的生产准备流程。
查看详情

模型注册管理器

model-registry-manager
jeremylongshore/claude-code-plugins-plus-skills
162
在机器学习部署中自动响应与模型注册管理相关的请求，帮助搭建模型服务、MLOps 流水线、监控与生产优化。
查看详情

LLM 量化优化工具

quantizing-models-bitsandbytes
Orchestra-Research/AI-Research-SKILLs
95
使用 bitsandbytes 将 HuggingFace 大模型量化到 8 位或 4 位，显存降低 50%-75%，并兼容 QLoRA 以及 8 位优化器，适合显存受限时快速部署与训练。
查看详情

Sagemaker端点部署助手

sagemaker-endpoint-deployer
jeremylongshore/claude-code-plugins-plus-skills
256
自动触发的技能，围绕 AWS Sagemaker 端点部署提供实用指导，涵盖模型上线、配置生成、监控与合规校验等，适合询问部署模式或寻求生产级服务建议的场景。
查看详情

计算机视觉生产级工程技能

senior-computer-vision
alirezarezvani/claude-skills
324
涵盖了从基础模型到生产部署的完整计算机视觉AI全流程技能。掌握目标检测（YOLO、Faster R-CNN）、实例/语义分割（Mask R-CNN、SAM）等核心技术，并熟练运用PyTorch进行模型训练，最终通过ONNX和TensorRT等工具优化模型，实现边缘或云端设备的稳定部署。
查看详情
上一页1234567下一页
语言
简体中文
English