软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18950+ 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

搜索硬件，共找到 33 条记录

默认排序最新上传最多下载

GGUF量化：高效大模型推理

gguf-quantization

Orchestra-Research/AI-Research-SKILLs

本指南深入介绍GGUF格式和模型量化技术，旨在实现大语言模型（LLM）在消费级硬件上的高效推理。通过采用GGUF标准格式和K-quant方法进行模型压缩，可以显著降低内存和硬件要求，使开发者能够在Apple Silicon、CPU或边缘设备上部署高性能AI应用。

Mamba选择性状态空间模型

mamba-architecture

Orchestra-Research/AI-Research-SKILLs

Mamba 是选择性状态空间架构，提供 Mamba-1 与 Mamba-2，可用 O(n) 复杂度处理百万级序列，节省显存、适配硬件、替代 Transformer 生成任务。

LLM模型剪枝实用指南

Orchestra-Research/AI-Research-SKILLs

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。

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。

硬件无关量子机器学习

K-Dense-AI/claude-scientific-skills

硬件无关的量子机器学习框架，支持量子电路自动微分、混合量子/经典模型训练与 PyTorch、JAX、TensorFlow 集成，并可在 IBM/Google/Rigetti/IonQ 等平台切换。

本地大模型推理与部署专家

local-llm-expert

sickn33/antigravity-awesome-skills

该技能专精于本地大语言模型（LLM）的部署、推理和性能优化。涵盖Ollama、vLLM、llama.cpp等主流推理引擎，以及GGUF、EXL2等主流量化格式。帮助用户在本地硬件上安全、高效地运行先进模型，尤其侧重于隐私保护和离线应用部署。

本地大型语言模型评估工具

hugging-face-community-evals

sickn33/antigravity-awesome-skills

本技能用于在本地硬件上运行Hugging Face Hub模型的综合评估。它支持多种评估框架，包括`inspect-ai`和`lighteval`，并提供灵活的后端选择（如`vllm`, Transformers, 或`accelerate`），以优化性能和兼容性。适用于本地GPU基准测试、烟雾测试和后端选择，但不负责远程任务调度或结果发布。

PennyLane 量子机器学习框架

K-Dense-AI/scientific-agent-skills

硬件无关的量子机器学习框架，支持自动微分，可用于训练量子电路、构建量子-经典混合模型，并兼容 IBM、Google、Rigetti、IonQ 及本地模拟器。

YOLO模型微调与部署

SharpAI/DeepCamera

该技能提供了一个完整的计算机视觉模型生命周期管理工具，支持从自定义数据集标注到模型部署的全流程。用户可以在该平台上使用Agent驱动的工作流，在自定义的COCO格式数据集上微调YOLO模型。它具备硬件感知训练能力，并能自动将模型导出为TensorRT、CoreML、OpenVINO等优化格式，最后可一键部署为活动的检测技能。

YOLO 2026实时目标检测

yolo-detection-2026

SharpAI/DeepCamera

基于最新的YOLO 2026模型，提供高性能的实时物体检测功能。该技能可识别80多个COCO物体类别，并输出带有边界框和置信度的检测结果。它支持自动硬件加速，能够自动优化模型以适配不同的计算平台（如CUDA、MPS、OpenVINO等），确保无论在CPU、GPU还是NPU上运行，都能达到最佳的检测速度和准确性。

模型内存需求估算

sickn33/antigravity-awesome-skills

`hf-mem`技能用于估算从Hugging Face Hub加载进行推理所需的Safetensors或GGUF模型权重所需的显存（VRAM）或系统内存。它通过HTTP范围请求实现，无需本地下载。用户可以提前检查模型是否适合其GPU或硬件实例，并支持估算KV缓存及设置最大序列长度。

AI模型选择与性能比较器

huggingface-best

sickn33/antigravity-awesome-skills

该工具旨在帮助开发者和研究人员为特定任务（例如编程、推理、视觉或RAG）寻找最佳AI模型。它通过查询HuggingFace官方排行榜，并结合用户设备的硬件内存限制（如VRAM或RAM）进行筛选，最终提供一个包含性能分数、参数规模和许可证信息的详细对比表格。

语言