登录
下载

Skill UI

浏览并发现 9785+ 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 AI训练 ，共找到 78 条记录
默认排序 最新上传 最多下载

医疗健康人工智能工具

pyhealth
K-Dense-AI/claude-scientific-skills
107
PyHealth 提供面向临床的全流程 Python 工具，支持加载 MIMIC/eICU/OMOP 等医疗数据、处理 ICD/NDC/ATC 编码、训练 RETAIN/SafeDrug/Transformer 等深度模型，方便研发、评估与部署医疗 AI 解决方案。
查看详情

治疗数据共享平台

pytdc
K-Dense-AI/claude-scientific-skills
402
提供面向治疗学的 AI 准备药物发现数据集（ADME、毒性、DTI、DDI、分子生成），包含标准化评估、scaffold 拆分与分子预测器，帮助科研人员训练、对比、优化疗法 ML 模型。
查看详情

稳定基线3：强化学习算法工具包

stable-baselines3
K-Dense-AI/claude-scientific-skills
383
稳定基线3是一个基于PyTorch的专业库，用于提供生产级的强化学习算法实现（如PPO、SAC、DQN等）。它支持单智能体RL模型训练，提供创建自定义环境的能力，并支持通过向量化环境进行高效的并行训练。适用于快速原型开发和严谨的强化学习实验。
查看详情

预训练Transformer模型

transformers
K-Dense-AI/claude-scientific-skills
151
用于处理NLP、计算机视觉、音频等多个领域的预训练Transformer模型。支持文本生成、分类、问答、摘要提取、图像检测等复杂任务，并提供模型微调和部署的完整流程，适用于构建专业级的AI应用。
查看详情

Hugging Face TRL 训练

hugging-face-model-trainer
sickn33/antigravity-awesome-skills
400
通过 Hugging Face Jobs 在云 GPU 上执行 TRL（SFT/DPO/GRPO）训练，自动存储至 Hub，并支持 GGUF 导出，无需本地环境部署。
查看详情

运行多平台机器学习实验

run-experiment
wanshuiyin/Auto-claude-code-research-in-sleep
184
这是一个全流程的ML实验部署和运行自动化工具。它可以智能检测目标环境（本地GPU、远程服务器、Vast.ai或Modal），并自动执行预检、代码同步（rsync/git）、集成实验跟踪工具（如W&B），最后在目标平台上启动训练任务。适用于需要运行复杂、多环境ML训练作业的场景。
查看详情

HuggingFace 视觉模型训炼

hugging-face-vision-trainer
sickn33/antigravity-awesome-skills
264
通过 Hugging Face Jobs 在托管 GPU 上微调或训练目标检测、图像分类与 SAM/SAM2 分割模型，自动验证数据集并将成果保存到 Hugging Face Hub，无需本地 GPU。
查看详情

无服务器GPU云平台：AI训练与推理

serverless-modal
wanshuiyin/Auto-claude-code-research-in-sleep
281
这是一个零配置的无服务器GPU云平台，专为运行复杂的机器学习工作负载而设计，包括模型训练、微调和实时推理。它无需复杂的环境设置（无需SSH或Docker），支持本地优先和自动弹性伸缩，适用于所有高性能GPU。非常适合需要可扩展、高效率远程计算资源的AI工程师和数据科学家。
查看详情

无服务器AI/ML云平台

modal
K-Dense-AI/scientific-agent-skills
139
Modal是一个无服务器云平台，专为AI/ML工作负载设计，允许用户直接用Python代码运行复杂的计算任务。它提供按需的GPU算力、自动扩缩容的函数调用、自定义容器构建和持久化存储。适用于模型部署、训练推理、构建高性能API和定时任务。
查看详情

高性能强化学习框架

pufferlib
K-Dense-AI/scientific-agent-skills
452
PufferLib是一个高性能的强化学习框架，专为高速并行环境模拟和训练设计。它通过优化向量化和原生多智能体支持，实现每秒数百万步的训练速度。适用于PPO算法的复杂智能体训练、自定义环境开发和大规模RL实验。
查看详情

临床深度学习医疗数据管道

pyhealth
K-Dense-AI/scientific-agent-skills
397
PyHealth是一个用于临床和医疗深度学习的模块化Python工具包。它提供了一个标准化的五阶段流程（数据集→任务→模型→训练器→指标），用于处理复杂的、多模态的医疗数据，包括电子病历、生理信号和医学影像。可用于预测死亡率、再入院风险、药物推荐或进行医学编码映射。
查看详情

PyTorch Lightning 深度学习框架

pytorch-lightning
K-Dense-AI/scientific-agent-skills
353
PyTorch Lightning是一个基于PyTorch的高级深度学习框架，旨在简化和规范整个机器学习工作流。它帮助用户将模型组织为LightningModule，自动化训练循环，并处理复杂的数据流程。框架支持多GPU/TPU分布式训练、集成各种实验日志记录（如W&B, MLflow）和自定义回调，极大地提升了大型AI项目开发的效率和可扩展性。
查看详情
上一页1234567下一页
语言
简体中文
English