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 模型训练 ，共找到 125 条记录
默认排序 最新上传 最多下载

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

MoE模型训练与优化

moe-training
Orchestra-Research/AI-Research-SKILLs
200
本技能详细介绍了专家混合模型（MoE）的训练方法，涵盖Mixtral、DeepSeek-V3等前沿模型架构。它指导用户如何在计算资源有限的情况下，实现大规模模型能力的扩展和高效训练。核心内容包括Top-k路由机制、负载均衡、专家并行以及使用DeepSpeed和HuggingFace等框架进行优化，显著降低训练成本。
查看详情

极简GPT模型训练与学习系统

nanogpt
Orchestra-Research/AI-Research-SKILLs
467
nanoGPT是一个极简主义的GPT模型实现，专为教育和学习设计。它以简洁、可修改的代码复刻了GPT-2的核心架构，使用户能够从零开始理解整个Transformer流程。该框架支持完整的工作流，包括数据准备、模型训练和文本生成，非常适合学习NLP和深度学习原理的学生和研究人员。
查看详情

OpenRLHF训练套件

openrlhf-training
Orchestra-Research/AI-Research-SKILLs
307
一个基于Ray和vLLM的高性能RLHF训练框架，兼容PPO、GRPO、RLOO、DPO，借助ZeRO-3与分布式架构在多GPU集群上加速7B-70B+大模型的策略与奖励优化流程。
查看详情

深度学习模型优化

optimizing-deep-learning-models
jeremylongshore/claude-code-plugins-plus-skills
370
通过分析模型结构、数据与指标，自动选择优化器、调度学习率和正则化方法，生成优化后的代码并评估准确率、训练时间与资源消耗，适合需要提升性能与效率的深度学习模型。
查看详情

Optuna 训练试验助手

optuna-study-creator
jeremylongshore/claude-code-plugins-plus-skills
56
自动触发的 ML 训练技能，识别“optuna study creator”相关请求后，即提供数据准备、模型训练、超参数调优与实验追踪等全流程指导，并给出生产级代码与校验。
查看详情

PyTorch FSDP2 训练流程

pytorch-fsdp2
Orchestra-Research/AI-Research-SKILLs
490
指导在训练脚本中正确引入 PyTorch FSDP2 fully_shard，使底层模块逐层分片、配置混合精度与 CPU 卸载、构建依赖 DTensor 的优化器，并依靠分布式检查点处理超过单卡显存或需要 DeviceMesh 分片的模型。
查看详情

PyTorch闪电：高级训练框架

pytorch-lightning
Orchestra-Research/AI-Research-SKILLs
97
PyTorch Lightning是基于PyTorch的高级训练框架，旨在大幅简化深度学习模型的训练流程。它自动处理设备管理、分布式训练（DDP/FSDP/DeepSpeed）、混合精度等复杂环节，让用户可以专注于模型本身，轻松实现从本地设备到超级计算机的无缝扩展，提供简洁且具备最佳实践的训练环境。
查看详情

PyTorch模型训练助手

pytorch-model-trainer
jeremylongshore/claude-code-plugins-plus-skills
381
自动化 PyTorch 训练流程，提供数据准备、模型配置、超参调优与实验跟踪等建议，遵循行业最佳实践，适合需要快速搭建训练流水的使用场景。
查看详情

PyTorch模型因果干预

pyvene-interventions
Orchestra-Research/AI-Research-SKILLs
240
pyvene是一个用于在PyTorch模型上执行因果干预的声明式框架。它支持激活打补丁、因果追踪（ROME风格）和交替干预训练等高级实验。适用于需要测试模型因果假设、深入理解模型组件工作机制或确保可复现性的AI研究场景。
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

Ray Train 分布式协调

ray-train
Orchestra-Research/AI-Research-SKILLs
64
Ray Train 统一协调 PyTorch、TensorFlow 与 HuggingFace 的分布式训练，从单机扩展到多节点集群，自动处理显卡分配、容错、断点恢复与超参搜索，帮助团队在无需大量改动的前提下完成大规模模型训练。
查看详情
上一页1234567...91011下一页
语言
简体中文
English