深度学习 Skill技能列表
cublas-cudnnSkill cublas-cudnn
cublas-cudnn 是一个专注于 NVIDIA GPU 加速数学库集成的专业技能。它提供专家级能力，用于高效配置和调用 cuBLAS（基础线性代数子程序库）和 cuDNN（深度神经网络库）。核心功能包括：配置 cuBLAS 张量核心操作以最大化计算性能，生成优化的 GEMM（通用矩阵乘法）调用，集成 cuDNN 的卷积、池化、归一化等深度学习层，智能处理算法选择和基准测试，管理 GPU 工作空间内存，并全面支持 FP16、TF32、INT8 等混合精度操作以提升训练和推理速度。该技能是构建高性能 AI 推理、科学计算和自定义 CUDA 算子的关键工具。 关键词：NVIDIA GPU加速，cuBLAS，cuDNN，张量核心，矩阵乘法GEMM，深度学习卷积，混合精度，CUDA编程，高性能计算，AI推理优化
TensorFlow物理机器学习Skill tensorflow-physics-ml
该技能专门用于将TensorFlow机器学习技术应用于物理科学领域，核心功能包括构建物理信息神经网络（PINN）、训练神经网络势能（NNP）、使用图神经网络处理分子系统等。关键词：TensorFlow物理应用，物理信息神经网络，神经网络势能，图神经网络，科学机器学习，PINN，NNP，GNN，深度学习物理建模。
cutlass-tritonSkill cutlass-triton
cutlass-triton是一个专门用于生成优化GPU内核的技能，使用CUTLASS和Triton实现高性能计算。
深度化学机器学习工具包Skill deepchem
DeepChem 是一个用于化学、材料科学和生物学的 Python 机器学习库，支持分子属性预测、药物发现、图神经网络等，关键词包括分子机器学习、ADMET 预测、GNN、药物发现、深度学习。
分布式训练（Ray/多节点）Skill DistributedTraining(Ray/Multi-node)(Core)
本技能专注于使用Ray框架在多台机器或多个GPU上进行大规模机器学习模型训练的实践方法。核心内容包括数据并行与模型并行的策略选择、Ray Train/Tune库的应用模式，以及确保训练过程可复现、可追踪、可恢复的关键操作规范。关键词：分布式训练，Ray框架，多节点训练，数据并行，模型并行，MLflow，可复现性，检查点，故障恢复，机器学习扩展。
TensorRT模型优化与部署Skill tensorrt-optimization
TensorRT模型优化与部署技能是一个专注于利用NVIDIA TensorRT技术，将深度学习模型（如ONNX格式）高效转换为优化后的推理引擎的专业工具。它支持FP16、INT8等多种精度模式，提供动态形状处理、内核融合分析、自定义插件开发以及详细的性能分析功能。通过该技能，开发者可以显著提升模型在GPU上的推理速度与效率，降低延迟，实现高性能AI应用部署。关键词：TensorRT，模型优化，推理加速，INT8校准，动态形状，CUDA，深度学习部署，性能分析。
PyTorchFSDP分布式训练技能Skill pytorch-fsdp
这个技能专为PyTorch FSDP（全分片数据并行训练）设计，提供参数分片、混合精度、CPU卸载和FSDP2等功能的详细指导，适用于大规模深度学习模型的分布式训练。关键词：PyTorch, FSDP, 分布式训练, 深度学习, 参数分片, 混合精度, CPU卸载, 人工智能, 机器学习。
PyTorch图神经网络库(PyG)Skill torch-geometric
PyTorch Geometric (PyG) 是一个基于 PyTorch 的图神经网络库，用于开发和训练图神经网络，适用于节点分类、图分类、链接预测、分子性质预测、社交网络分析等应用。关键词：图神经网络，深度学习，PyTorch，GNN，节点分类，图分类，链接预测，分子预测，社交网络分析，异构图，几何深度学习，GCN，GAT，GraphSAGE。
PyTorchLightning深度学习训练框架Skill pytorch-lightning
PyTorch Lightning 是一个高级 PyTorch 框架，用于简化深度学习训练过程。它提供 Trainer 类来自动处理 GPU/TPU 切换、分布式训练（如 DDP、FSDP、DeepSpeed）、混合精度、梯度积累、检查点保存和日志记录，减少样板代码，使训练循环更干净、可扩展。适用于机器学习、深度学习项目，提高开发效率和代码可维护性，支持从研究到生产的环境。关键词：PyTorch Lightning, 深度学习, 训练框架, 分布式训练, 自动训练, PyTorch, 回调系统, 最佳实践。
对称性群识别器Skill symmetry-group-identifier
这个技能用于将识别的对称性映射到数学群，为神经网络架构设计提供数学基础。它帮助用户识别离散或连续对称性，匹配到具体群如循环群、二面体群、李群等，并验证群属性。关键词：对称性识别、群论映射、数学群、深度学习架构、神经网络对称性、SO(3)、SE(3)、量化交易分析（扩展应用）。
扩散对接模型Skill diffdock
扩散对接模型（DiffDock）是一种基于扩散模型的人工智能工具，用于分子对接，主要预测蛋白质与小分子配体的结合姿态，生成置信分数评估预测可靠性，支持虚拟筛选和批量处理，适用于结构基础药物设计、化学研究和药物研发。关键词包括：分子对接、扩散模型、蛋白质、配体、药物设计、虚拟筛选、深度学习、生物医药、AI应用。
Torchtitan分布式LLM预训练Skill distributed-llm-pretraining-torchtitan
Torchtitan是一个用于大规模语言模型（LLM）预训练的PyTorch原生平台，支持4D并行（FSDP2、TP、PP、CP）、Float8训练和分布式检查点，适用于从8到512+ GPU的Llama、DeepSeek等模型的预训练，提供高效的训练速度和可扩展性。关键词：分布式训练、LLM预训练、PyTorch、Torchtitan、4D并行、Float8、深度学习、人工智能。