登录
下载
Skill UI
浏览并发现
6556+
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
CPU
,共找到
26
条记录
默认排序
最新上传
最多下载
应用性能分析
profiling-application-performance
jeremylongshore/claude-code-plugins-plus-skills
329
通过 application-profiler 插件分析 CPU、内存和执行时间,识别性能瓶颈并提供代码级优化建议,帮助持续提升应用运行效率。
查看详情
Python 性能优化指南
python-performance-optimization
sickn33/antigravity-awesome-skills
464
通过 cProfile、内存分析器与优化实践,对 Python 应用进行 CPU 与内存剖析,找出瓶颈、降低延迟、优化数据库与 I/O,提升整体性能。
查看详情
PyTorch FSDP2 训练实战
pytorch-fsdp2
Orchestra-Research/AI-Research-SKILLs
251
在训练脚本中集成 PyTorch FSDP2,从 torchrun 初始化、底层分片到混合精度、CPU offload 和分布式 checkpoint,适合单卡不足时的 DTensor 分片训练。
查看详情
Ray 数据处理框架
ray-data
Orchestra-Research/AI-Research-SKILLs
416
Ray Data 提供可伸缩的分布式数据处理,支持 CPU/GPU 流式执行,兼容 Ray Train、PyTorch、TensorFlow,轻松加载 Parquet/CSV/JSON/图片,用于跨节点的大规模预处理、ETL 或批量推理流程。
查看详情
资源使用追踪
tracking-resource-usage
jeremylongshore/claude-code-plugins-plus-skills
494
通过 resource-usage-tracker 监控 CPU、内存、磁盘/网络 I/O、数据库连接与线程,定位瓶颈、调整资源配比并降低成本。
查看详情
计算资源监控助手
get-available-resources
K-Dense-AI/claude-scientific-skills
486
在科学计算开始前检测 CPU、GPU、内存和磁盘资源,生成 JSON 报告并给出并行、内存和 GPU 策略建议,帮助选择最优的计算方式。
查看详情
性能分析与优化指南
performance-profiler
alirezarezvani/claude-skills
335
性能分析与优化工具为 Node.js、Python 和 Go 应用提供 CPU、内存、包体和数据库瓶颈定位,生成 flamegraph 与包分析报告,并结合 k6 或 Artillery 压测验证改动效果,强调先量测后优化。
查看详情
Claude 性能监控器
claude-monitor
sickn33/antigravity-awesome-skills
304
对 Claude Code 与本地系统的 CPU、内存、磁盘、浏览器和网络状态进行检测,定位瓶颈,给出建议或开启后台持续监控,帮助排查卡顿。
查看详情
S7comm 协议安全分析
performing-s7comm-protocol-security-analysis
mukul975/Anthropic-Cybersecurity-Skills
81
针对西门子 SIMATIC S7comm/S7CommPlus 通信抓包,识别重放、完整性绕过、未经授权的 CPU 控制指令和程序下载操纵等漏洞,辅助评估 S7-300/400/1200/1500 控制器的安全态势。
查看详情
SwiftUI 性能审计
swiftui-performance-audit
sickn33/antigravity-awesome-skills
382
先通过代码审查判定 SwiftUI 性能症状,再在必要时引导用户做 Instruments 分析,最后汇总原因、修复建议与验证步骤,确保渲染、滚动、高 CPU 等问题可复现并可解决。
查看详情
系统性能剖析助手
system-profile
wanshuiyin/Auto-claude-code-research-in-sleep
344
针对脚本、进程、GPU、内存或互联等目标,结合现有工具与定制探针执行剖析,按维度汇总瓶颈并给出可落地优化建议。
查看详情
Python GPU 加速优化
optimize-for-gpu
K-Dense-AI/claude-scientific-skills
457
指导用户将计算密集型 Python(数组、数据帧、图分析、图像处理、科学模拟、机器学习等)迁移到 NVIDIA GPU,利用 CuPy、Numba CUDA、Warp、cuDF/cuML/cuGraph、RAFT 等生态完成高速加速、交互式分析与仿真。
查看详情
上一页
1
2
3
下一页
语言
简体中文
English